Aplikasi Model Fuzzy-Radial Basis Function Neural Network untuk

Meramalkan Jumlah Kunjungan Wisatawan di Daerah Istimewa

Yogyakarta menggunakan Algoritma Genetika

1 BAB I PENDAHULUAN
1.1 Latar Belakang
Pariwisata merupakan kegiatan bepergian yang dilakukan manusia secara berulang-
ulang guna rekreasi. Pariwisata berasal bahasa sansekerta yaitu pari dan wisata. Pari berarti
banyak, berkali-kali atau berputar putar, wisata berarti perjalanan atau bepergian. Menurut
World Tourism Organization (WTO), pariwisata adalah kegiatan seseorang yang bepergian
ke atau tinggal di suatu tempat di luar lingkungannya yang biasa dalam waktu tidak lebih dari
satu tahun secara terus menerus, untuk kesenangan, bisnis ataupun tujuan lainnya. (
Kaseke,1999). Jadi pariwisata adalah perjalanan yang dilakukan berkali-kali atau berputar-
putar dari suatu tempat ke tempat yang lain. Kepariwisataan memiliki arti yang sangat luas,
dan bukan hanya sekedar bepergian saja, namun juga berkaitan dengan obyek dan daya tarik
wisata yang dikunjungi, sarana tansportasi yang digunakan, pelayanan, akomodasi, restoran
dan rumah makan, hiburan, interaksi sosial antara wisatawan dengan penduduk setempat
serta usaha pariwisata. Karena itu pariwisata dapat dipandang sebagai suatu lembaga dengan
jutaan interaksi, kebudayaan dengan sejarahnya, kumpulan pengetahuan, dan jutaan orang
yang merasa dirinya sebagai bagian dari kelembagaan ini (Purwowibowo, 1998:4), sehingga
pariwisata sebagai konsep dipandang dari berbagai perspektif yang berbeda.
Pengunjung dapat dibagi dua yaitu wisatawan dan ekskursionis. Menurut Norval,
wisatawan ialah setiap orang yang datang dari suatu negara asing, yang alasannya bukan
untuk menetap atau bekerja di situ secara teratur, dan yang di negara dimana ia tinggal untuk
sementara itu membelanjakan uang yang didapatkannya di lain tempat. ( Soekadijo,2000;13).
Pada tahun 1937, Komisi Ekonomi Liga Bangsa-Bangsa menyebukan dorongan-dorongan
mengapa manusia disebut wisatawan di antaranya adalah : orang yang mengadakan
perjalanan untuk bersenang-senang (pleasure), karena alasan keluarga, kesehatan dan
sebagainya, orang yang mengadakan perjalanan untuk mengunjungi pertemuanpertemuan
atau sebagai utusan (ilmiah, administratif, diplomatik, keagamaan, atletik dan sebagainya) ,
orang yang mengadakan perjalanan bisnis, orang yang datang dalam rangka pelayaran pesiar
(sea cruise), kalau ia tinggal kurang dari 24 jam. Ekskursionis adalah pengunjung yang hanya
tinggal sehari di negara yang dikunjunginya, tanpa bermalam. Hal tersebut juga meliputi
orang-orang yang mengadakan pelayaran pesiar (cruise passanger). Di dalamnya tidak
termasuk orang-orang yang secara legal tidak memasuki sesuatu negara asing, seperti
misalnya orang yang dalam perjalanan menunggu di daerah transit di bandara.
Berdasarkan jenisnya wisata dibagi menjadi dua kategori, yaitu : wisata alam yang terdiri dari
wisata pantai (Marine Tourisme), wisata Etnik (Etnik tourism), wisata buru, wisata agro dan
wisata sosial-budaya terdiri dari : peninggalan sejarah kepurbakalaan dan monumen, museum
dan fasilitas budaya lainnya.
Provinsi Daerah Istimewa Yogyakarta merupakan salah satu pusat pengembangan dan
pelayanan pariwisata utama terutama wisata budaya, karena selain memiliki objek dan dan
daya tarik wisata yang berniai historis seperti : Keraton Yogyakarta, Candi Prambanan, Candi
Kalasan, Purawisata, Candi Ratu Boko, Pesanggrahan Taman Sari, Monumen Yogya
Kembali, Benteng Vredeburg, Museum Negeri Sonobudaya, Desa Kerajinan Kasongan,
Kebon Binatang Gembira Loka, Seni Budaya Tradisional, Wisata Alam Hutan Kaliurang,
Pantai Glagah Indah, Baron, Kukup, Krakal, Pantai Parangtritis mampu menarik wisatawan
domestik maupun wisatawan mancanegara dalam jumlah besar.
Keberadaan berbagai hal yang telah disebut kemudian menjadi ciri kota dan menjadi
potensi wisata Yogya, serta menmpatkan Yogyakarta sebagai daerah tujuan wisata kedua
setelah Bali. Kebijakan pemerintah dalam hal pengembangan pariwisata nasional merupakan
usaha untuk mendorong para pelaku di sektor pariwisata dalam mencapai sasaran dan tujuan
yang ditetapkan. Usaha pemerintah mendorong para pelaku pariwisata misalnya, dapat dilihat
dari kebijakan bebas visa untuk kunjungan wisatawan dari negara-negara sahabat, juga
dibukanya penerbangan langsung ke daerah tujuan wisata. Objek dan daya tarik wisata
Propinsi DIY merupakan segmen pasar wisata potensial di masa mendatang dan untuk
pengembangannya menuntuk fleksibilitas penyesuaian produk dengan minat wisatawan.
Menurut Weber (17, 1-2) Propinsi DIY merupakan salah satu daerah yang memiliki potensi
pariwisata yang cukup bervariasi, tetapi kerapuhan produk, sebagian besar tidak dapat dijual
secara massa. Ungkapan Weber di atas menunjukkan kelemahan pengembangan dan
pendayagunaan potensi pariwisata di Propinsi Daerah Istimewa Yogyakarta. Pengembangan
dan pendayagunaan potensi pariwisata di Propinsi DIY dapat meningkatkan pendapatan
daerah, swasta dan masyarakat. Oleh karena itu penulis mengangkat judul “Aplikasi Model
Fuzzy-Radial Basis Function Neural Network untuk Meramalkan Jumlah Kunjungan
Wisatawan di Daerah Istimewa Yogyakarta menggunakan Algoritma Genetika”.

1.2 Identifikasi Masalah

Perubahan jumlah kunjungan wisatawan di Daerah Istimewa Yogyakarta yang tetap
membuat Pemerintah di Daerah Istimewa Yogyakarta kesulitan untuk menentukan strategi
selanjutnya dalam pengembangan industri pariwisata, seperti promosi wisata dan pengadaan
pelayanan yang baik terhadap wisatawan yang berkunjung.

1.3 Batasan Masalah

Penelitian ini hanya menggunakan data Jumlah Kunjungan Wisatawan di Daerah Istimewa
Yogyakarta tahun 2010-2017.

1.4 Rumusan Masalah

1. Bagaimana prosedur aplikasi Model Fuzzy-Radial Basis Function Neural Network untuk
Meramalkan jumlah pengunjung wisata di Daerah Istimewa Yogyakarta menggunakan
Algoritma Genetika?
2. Bagaimana hasil peramalan aplikasi Model Fuzzy-Radial Basis Function Neural Network
untuk Meramalkan Jumlah Pengunjung Wisata di Daerah Istimewa Yogyakarta
menggunakan Algoritma Genetika?

1.5 Tujuan Penelitian

1. Menjelaskan prosedur aplikasi Model Fuzzy-Radial Basis Function Neural Network

untuk Meramalkan jumlah pengunjung wisata di Daerah Istimewa Yogyakarta
menggunakan Algoritma Genetika.
2. Mendeskripsikan peramalan jumlah pengunjung wisata di Daerah Istimewa Yogyakarta
dengan aplikasi Model Fuzzy-Radial Basis Function Neural Network menggunakan
Algoritma Genetika.

1.6 Manfaat Penelitian

Manfaat yang dapat diperoleh dari penelitian ini antara lain:
1. Bagi penulis diharapkan dapat menambah dan memperkaya pengetahuan mengenai model
Fuzzy Radial Basis Function Neural Network (FRBFNN) menggunakan Algoritma
Genetika serta penerapannya pada peramalan data berkala.
2. Bagi mahasiswa matematika, diharapkan dapat menambah pengetahuan mengenai
aplikasi model Fuzzy Radial Basis Functin Neural Network (FRBFNN) menggunakan
Algoritma Genetika dan sebagai alternatif untuk melakukan peramalan.
3. Bagi Dinas Pariwisata dan Kebudayaan, penelitian ini diharapkan dapat digunakan untuk
mengetahui peningkatan jumlah wisatawan sehingga dapat mengptimalkan sarana,
prasarana dan pelayanan guna menambah devisa negara.

2 BAB II LANDASAN TEORI

2.1 Pariwisata
Menurut rumusan International Union of Official Travel Organizations (IUOTO) pada
tahun 1963, yang dimaksud dengan tourist dan excurtionist sebagai berikut :

1. Wisatawan (tourist), yaitu pengunjung sementara yang paling sedikit tinggal selama 24
jam di negara yang dikunjunginya dengan tujuan perjalanan : Pesiar, untuk rekreasi,
liburan, kesehatan, studi, keagamaan dan olah raga, Keluarga, bisnis, konferensi.
2. Pelancong (excurtionists) adalah pengunjung sementara yang tinggal kurang dari 24 jam
di negara yang dikunjunginya (termasuk pelancong dengan kapal pesiar). Wisatawan
dapat dibedakan lagi menjadi wisatawan internasional (mancanegara) yaitu yang
melakukan perjalanan wisata ke luar negerinya, dan wisatawan nasional (nusantara) yaitu
yang melakukan perjalanan wisata di negerinya sendiri.

2.2 Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi d masa mendatang.
dikategorikan menjadi 3 jenis yaitu :

1. Jangka pendek, yaitu meramalkan kejadian hanya beberapa waktu (hari, minggu, bulan).
2. Jangka waktu medium, yaitu meramalkan kejadian yang diperpanjang dari satu sampai
dua tahun ke depan.
3. Jangka panjang, yaitu meramalkan kejadian yang bertahun-tahun.

2.3 Time Series

Komponen data time series meliputi trend, siklus, musiman, ketidakeraturan.

1. Trend merupakan pergerakan time series dalam jangka panjang, bisa merupakan tren naik
atau turun. Diperlukan waktu jangka panjang (15 atau 20 tahun) untuk melihat pola tren
tersebut. Tren tersebut bisa dipengaruhi oleh perubahan jumlah penduduk, perubahan
teknologi, dan semacamnya.
2. Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek (sekitar 2-10 tahun).
Belum ada penjelasan yang memuaskan terhadap penyebab timbulnya fluktuasi siklus
semacam ini. Lamanya dan besarnya fluktuasi juga sangat beragam dari perusahaan ke
perusahaan, dan dari industri ke industri.
3. Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun. Ada beberapa
penyebab timbulnya fluktuasi musiman seperti disebutkan di muka: (1) Karena peristiwa
tertentu, misal karena peristiwa lebaran atau tahun baru, (2) Karena cuaca, misal musim
hujan dan musim kemarau.
4. Ketidakteraturan adalah fluktuasi yang disebabkan karena faktor-faktor yang munculnya
tidak teratur, dengan jangka waktu yang pendek.

2.4 Logika Fuzzy

Himpunan fuzzy mempunyai peranan yang penting dalam perkembangan matematika
khususnya dalam matematika himpunan. Matematkawan German George Cantor (1845-
1918) adalah orang yang pertama kali secara formal mempelajari konsep tentang himpunan.
Teori himpunan selalu dipelajari dan di terapkan sepanjang masa, bahkan sampai saat ini
matematikawan selalu mengembangkan tentang bahsa matematika (teori himpunan). Banyak
penelitian-penelitian yang menggunakan teori himpunan fuzzy dan saat ini banyak
literaturelitelatur tentang himpunan fuzzy, misalnya yang berkaitan dengan teknik control,
fuzzy logic dan relasi fuzzy.

Ide himpunan fuzzy (fuzzy set) di awali dari matematika dan teori system dari L.A
Zadeh [35 ], pada tahun 1965. jika diterjemahkan, “fuzzy” artinya tidak jelas/buram, tidak
pasti. Himpunan fuzzy adalah cabang dari matematika yang tertua, yang mempelajari proses
bilang random: teori probailitas, statistik matematik, teori informasi dan lainnya.
Penyelesaian masalah dengan himpunan fuzzy lebih mudah dari pada dengan mengunakan
teori probabilitas (konsep pengukuran).

2.5 Jaringan Syarat Tiruan

 Neural Network adalah proses sistem informasi yang memiliki beberapa karakteristik
mirip dengan jaringan saraf biologi. NN dikembangkan sebagai generalisasi model
matematika dari jaringan saraf biologi, dengan asumsi bahwa (Fausett, 1994: 3):

a. Proses informasi terjadi pada banyak elemen sederhana (neuron).

b. Sinyal dikirimkan diantara neuron-neuron melalui penghubungpenghubung.

c. Penghubung antara neuron memiliki bobot yang akan memperkuat atau memperlemah
sinyal, dan

d. Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi yang dikenakan
pada jumlahan input yang diterima. NN terdiri dari unsur-unsur sederhana yang beroperasi
secara paralel. Jaringan ini dapat ditentukan dengan hubungan antar unsur-unsurnya.
Umumnya jaringan dapat dilatih untuk melakukan fungsi tertentu dengan menyesuaikan
nilai-nilai bobot antar unsur-unsurnya untuk mencapai output atau target tertentu (Demuth &
Beale, 1992: 18). NN dapat diaplikasikan di berbagai bidang terutama pada analisis yang
lebih komplek seperti masalah nonlinear atau suatu struktur paralel. NN digunakan untuk
menyelesaikan masalah peramalan (Hu & Hwang, 2001:240). Pada NN, neuron-neuron akan
dikumpulkan dalam lapisan-lapisan (layer) yang disebut lapisan neuron (neuron layer). Pada
umunya, NN mempunyai tiga lapisan, yaitu (Yeung et al, 1998:3):

a. Lapisan Input (Input Layer) Node-node di dalam lapisan input disebut neuron-neuron
input. Neuron-neuron input menerima input berupa gambaran informasi atau permasalahan
dari luar.

b. Lapisan Tersembunyi (Hidden Layer) Node-node di dalam lapisan tersembunyi disebut

neuron-neuron tersembunyi. Neuron-neuron pada lapisan tersembunyi ini berisi bobot yang
selanjutnya akan digunakan sebagai perhitungan untuk menentukan nilai output.

c. Lapisan Output (Output Layer) Node-node di dalam lapisan output disebut neuron-neuron
output. Keluaran dari lapisan ini merupakan hasil dari NN terhadap suatu permasalahan

2.6 Algoritma Genetika

Menurut (Zukhri, 2014:1) optimasi adalah proses menyelesaikan suatu masalah
tertentu supaya berada pada kondisi yang paling menguntungkan dari suatu sudut pandang.
Salah satu metode untuk melakukan optimasi yaitu menggunakan algoritma genetika.
Algoritma genetika merupakan sebuah algoritma pencarian dan optimasi yang bekerja
berdasarkan mekanisme seleksi alam dan genetika alami (Goldberg, 1994:1). Algoritma
genetika menggabungkan pengalaman-pengalaman inovasi dari makhluk hidup dengan
algoritma penarian/optimasi, sehingga solusi yang diperoleh mencerminkan individu yang
terkuat dari suatu populasi. Proses algoritma genetika dimulai dengan menentukan nilai-nilai
pada gen menggunakan teknik pengkodean. Kumpulan dari gen akan membentuk kromosom
yang kemudia membentuk sebuah individu. Populasi awal dibentuk dari kumpulan beberapa
individu. Individu pada populasi akan dievaluasi nilai fitnessnya yang kemudian dipilijh
individu dengan nilai fitness terbaik. Individu tersebut akan disimpan dan menjalani proses
seleksi, pindah silang, dan mutasi. Proses tersebut akan melahirkan individu baru yang
digunakan untuk membentuk populasi baru pada generasi selanjutnya. Langkah-langkah
tersebut akan diulang-ulang hingga diperoleh nilai solusi optimal atau setalah tercapai
generasi ke-n.