SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

SISTEM REKOMENDASI PEMILIHAN OBYEK WISATA

BERBASIS WEB GEOGRAPHIC INFORMATION SYSTEM (GIS)
DI KABUPATEN PANGANDARAN

Teuku Mufizar1, Dani Rohpandi2, Cepi Rahmat Hidayat3

1), 2), 3)
Program Studi Teknik Informatika STMIK Tasikmalaya
E-mail: fizargama@gmail.com, danirtms@gmail.com, ranvix14@gmail.com

Abstrak
Kabupaten Pangandaran sebagai “Kabupaten Pariwisata” yang ada di Jawa Barat memiliki jumlah
obyek wisata berupa wisata pantai, sungai, goa, dan wilayah konservasi yang cukup banyak.
Banyaknya jumlah obyek wisata ini memungkinkan terjadinya kebingungan bagi wisatawan untuk
memilih obyek wisata mana yang akan dikunjungi. Selain itu belum adanya sistem informasi berbasis
web geographic information system (GIS), menyebabkan calon wisatawan kesulitan mengetahui
informasi yang lengkap terutama akses ke lokasi wisata. Guna mengatasi permasalahan tersebut
maka dibangun sebuah sistem rekomendasi pemilihan obyek wisata yang mampu memberikan
rekomendasi bagi wisatawan untuk memilih obyek wisata yang paling cocok sesuai kriteria yang
telah ditentukan yang selanjutnya diberikan informasi berbasis web geographic information system
(GIS). Adapun kriteria yang dipakai yaitu: harga tiket masuk, jarak tempuh, tingkat popularitas,
jumlah pengunjung, lama pengelolaan, dan waktu berkunjung. Dalam penelitian ini metode yang
digunakan yaitu Profile Matching. Sedangkan aplikasi dibangun online berbasis web dan
memanfatkan fitur Google Maps. Hasil akhir dari penelitian ini didapatkan bahwa sistem
rekomendasi pemilihan obyek wisata berbasis web geographic information system (GIS) dapat
mempermudah para wisatawan dalam memilih obyek wisata di Kabupaten Pangandaran.
Kata Kunci : Sistem Rekomendasi, Pemilihan Obyek Wisata, Profile Matching, Pangandaran

Pendahuluan
Kabupaten Pangandaran merupakan kabupaten baru (DOB) [1] yang memiliki banyak
potensi besar dibidang pariwisata seperti wisata pantai, sungai, goa, dan wilayah konservasi [2].
Salah satu obyek yang menjadi andalannya yaitu pantai pangandaran. Selain itu masih banyak lagi
obyek lainnya misal untuk pantai: Pantai Batu Hiu, Pantai Batu Karas, Pantai Madasari, Pantai
Karapyak, Pantai Keusik Luhur, Pantai Palatar Agung, Pantai Cikidang. Wisata sungai: Cukang
Taneuh (Green Canyon), Citumang, Santirah. Wisata goa yaitu Goa Lanang, Goa Sutra Reregan,
Goa Donan. Juga wilayah konservasi: Konservasi Penyu, Cagar Alam.
Banyaknya jenis obyek wisata tersebut menjadikan banyak pilihan bagi para calon
wisatawan. Apalagi kondisi obyek wisata masih banyak yg alami dan sangat nyaman. Seperti
obyek wisata pangandaran yang masuk kategori 10 pantai terindah di Indonesia versi Indonesia
Travel [3]. Hal inilah yang menjadikan pangandaran sebagai salah satu destinasi wisata yang
dituju oleh wisatawan. Jumlah pengunjung pun setiap tahun nya relatif meningkat menurut data
dari Dinas Pariwisata Kabupaten Pangandaran [4].
Setiap obyek wisata yang ada di Kabupaten Pangandaran memiliki kelebihan dan
kekurangan masing-masing. Hal tersebut memungkinkan terjadinya kebingungan bagi wisatawan
untuk mengambil keputusan memilih obyek wisata mana yang akan dikunjungi. Setiap wisatawan
mempunyai kriteria tertentu untuk memilih. Alasan pemilihan biasanya berdasarkan informasi yang
diterima dari media elektronik maupun dari pengalaman seseorang. Permasalahan lain yang muncul
yaitu dikarenakan Lokasi obyek wisata yang tersebar. Saat ini informasi hanya bisa didapatkan
dalam bentuk peta wisata dan belum adanya sistem informasi berbasis geographic information
system (GIS). Hal ini menyebabkan calon wisatawan kesulitan mengetahui informasi yang lengkap
terutama akses ke lokasi wisata. Untuk itu perlu sistem informasi geografis berbasis web yang
lebih cepat dalam pencarian informasi dan memudahkan apabila ada penambahan informasi yang
up to date.
Guna mengatasi permasalahan tersebut, maka dibutuhkanlah suatu sistem yang mampu
memberikan rekomendasi bagi wisatawan untuk memilih obyek wisata yang paling cocok sesuai

106
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

kriterianya yang selanjutnya diberikan informasi lokasi wisata berbasis peta geografis. Maka
dikembangkanlah suatu sistem pendukung keputusan yang berbasis sistem informasi geografis.
Diharapkan nantinya dengan sistem yang dibangun dapat mempermudah para wisatawan dalam
memilih obyek wisata di Pangandaran. Guna membangun sistem ini, digunakan salah satu metode
pengambilan keputusan yaitu metode Profile Matching. Metode ini dipakai dalam pengambilan
keputusan dengan asumsi bahwa terdapat tingkat nilai profil yang ideal yang harus dipenuhi,
bukannya tingkat minimal yang harus dipenuhi atau dilewati [5]. Secara garis besar metode ini
nantinya melakukan proses membandingkan nilai dari variabel data tes atau data uji terhadap nilai
minimal untuk setiap variabel yang telah ditentukan standar minimal yang harus dipenuhi. Tingkat
perbedaan antara nilai data uji dengan minimal ini disebut gap. Semakin kecil gap yang dihasilkan
maka bobot nilainya semakin besar yang berarti memiliki peluang lebih besar untuk memilih
alternatif tersebut.

Studi Pustaka
Beberapa referensi jurnal yang dijadikan acuan yaitu penelitian Dhani Eko tahun 2013
tentang Pemilihan Obyek Wisata di Surakarta [6], Oktovianus tahun 2014 tentang pemilihan
tempat wisata Timor Leste [7], Satrio Nugroho tahun 2014 tentang pemilihan lokasi wisata di
Grobogan [8], I Wayan tahun 2015 tentang tujuan wisata Bali [9], A yani R tentang penentuan
destinasi wisata Kota Palembang[10], tita puspitasari tentang tujuan wisata di tulungangung [11],
Mihuandayani tahun 2016 mengenai pemilihan objek wisata Gunung Kidul [12], Maria Eny tahun
2017 tentang pemilihan lokasi wisata di Yogyakarta [13], dan Mus Aidah tentang pemilihan
destinasi wisata Sulawesi Tengah tahun 2018 [14]. Dari referensi jurnal tersebut, dapat terlihat
adanya perbandingan dengan penelitian yang saat ini dilakukan. Penelitian [6], [7], [8], [9], [10],
[11] dan [12] diatas hanya membangun SPK saja untuk memilih suatu obyek wisata. Hal ini berarti
, suatu obyek yang terpilih hasil dari SPK tersebut hanya diinformasikan berupa informasi berupa
teks. Sedangkan Penelitian yang akan dilakukan oleh peneliti yaitu mengkombinasikan antara
penelitian Sistem Rekomendasi/Sistem Pendukung Keputusan (SPK) dengan Sistem Informasi
Geografis (SIG) untuk pemilihan obyek wisata. Sehingga nantinya suatu obyek yang terpilih hasil
dari SPK tersebut akan ditampilkan dalam bentuk gambar pada peta/maps sehingga akan lebih
membantu wisatawan. Selain itu Penelitian-penelitian diatas menggunakan metode yang berbeda
dengan penelitian ini, misalnya penelitian [6], [9], [11] menggunakan metode Fuzzy Tahani,
penelitian [7] menggunakan metode Electre, Forward Chaining pada penelitian [12], metode AHP
pada penelitian [13], dan metode SMART pada penelitian [14], sedangkan penelitian ini memiliki
kesamaan dengan penelitian [8] yaitu menggunakan metode Profile Matching hanya saja yang
membedakan dengan penelitian sebelumnya yaitu kriteria yang akan digunakan dalam penelitian
ini lebih banyak dari penelitian diatas yaitu: harga tiket masuk, jarak tempuh, tingkat popularitas,
jumlah pengunjung, lama pengelolaan, dan waktu berkunjung.

Metodologi Penelitian
Alur penelitian dengan metode Profile Matching ditunjukkan pada gambar 1.

Kriteria Pemilihan Menentukan Nilai Menentukan Nilai

Objek Wisata Profil Standar / Profil Data Tes
Acuan Wisatawan (Obyek Wisata)

Hasil Akhir Obyek

Wisata yang Menentukan Nilai
direkomendasikan GAP

Perhitungan Nilai Perhitungan Core Pembobotan Menentukan

dan Secondary Nilai GAP
Akhir Bobot Nilai GAP
Factor

Gambar 1. Alur penelitian dengan metode Profile Matching dalam pemilihan objek wisata
107
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Dari gambar 1, terlihat langkah-langkah dalam penelitian ini yaitu :

1. Penentuan kriteria yang akan digunakan untuk pemilihan objek wisata. Kriteria-kriteria ini
dipilih berdasarkan kebutuhan wisatawan secara umum
2. Penentuan nilai profil standar yang akan dijadikan acuan. Nilai ini ditentukan oleh wisatawan
yang akan melakukan pemilihan objek wisata.
3. Penentuan nilai profil data tes. Data yang dimasukan adalah data mengenai objek wisata yang
ada di Pangandaran
4. Penentuan Nilai gap. Nilai gap disini yaitu selisih nilai antara nilai profil data tes dengan nilai
profil standar/acuan.
5. Menentukan Bobot Nilai gap.
6. Melakukan pembobotan nilai gap.
7. Melakukan perhitungan core dan Secondary Factor.
8. Melakukan perhitungan nilai akhir. Hasilnya adalah daftar urutan objek wisata yang
direkomendasikan kepada wisatawan setelah proses penyeleksian dengan metode Profile
Matching.

Hasil dan Pembahasan

Analisis Permasalahan
Permasalahan yang dihadapi pada saat melakukan pemilihan obyek wisata saat ini yaitu
adanya kesulitan dari wisatawan dalam memilih obyek wisata di Kabupaten Pangandaran yang
sesuai dengan kriteria yang diharapkan. Selain itu belum adanya sistem yang memberikan
informasi berbasis WebGIS mengenai lokasi obyek wisata dan informasi pendukungnya
menjadikan wisatawan kekurangan informasi yang lengkap dan akurat mengenai objek wisata di
Kabupaten Pangandaran.
Analisis Kebutuhan Untuk Metode Profile Matching
Proses pemilihan obyek wisata menggunakan metode Profile Matching dilakukan dengan
langkah-langkah sebagai berikut :
A. Menentukan variabel data-data yang dibutuhkan (kriteria).
Dalam metode Profile Matching ini terdapat beberapa variable yang dijadikan kriteria oleh
para wisatawan untuk dijadikan acuan dalam menentukan obyek wisata yang akan dikunjungi
nanti. Adapun kriterianya dapat dilihat pada tabel 1.

Tabel 1. Kriteria yang digunakan

No Nama Kriteria Keterangan
1 Jarak Tempuh C1
2 Harga Tiket Masuk C2
3 Popularitas C3
4 Waktu Kunjungan C4
5 Lama Berdiri C5
6 Jumlah Pengunjung C6

Dari tabel diatas, lalu dibuatlah nilai rating kecocokan terhadap setiap kriteria
menggunakan nilai skala dari 1 sampai 5.
1) Kriteria Jarak Tempuh (C1)
Kriteria jarak tempuh dihitung berdasarkan jarak dari pusat kota pangandaran terhadap
setiap objek wisata. Berikut adalah Tabel Skala Penilaian Jarak Tempuh dapat dilihat pada
tabel 2.

108
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Tabel 2. Skala Penilaian Jarak Tempuh (C1)

Jarak dari pusat kota Keterangan Nilai
ke obyek wisata
< 5 Km Sangat Dekat 5
5- 10 Km Dekat 4
10-25 Km Sedang 3
25-50 Km Jauh 2
> 50 Km Sangat Jauh 1

2) Kriteria Harga Tiket Masuk (C2)

Kriteria Harga Tiket Masuk dihitung berdasarkan biaya yang dibebankan terhadap
wisatawan untuk dapat memasuki setiap objek wisata. Berikut adalah Tabel Skala
Penilaian harga tiket masuk dapat dilihat pada tabel 3.

Tabel 3. Skala Penilaian Harga Tiket Masuk (C2)

Harga Tiket Masuk Keterangan Nilai
< 10 Ribu Sangat Murah 5
10- 25 Ribu Murah 4
25- 50 Ribu Sedang 3
50 - 100 Ribu Mahal 2
> 100 Ribu Sangat Mahal 1

3) Kriteria Popularitas (C3)

Kriteria popularitas didapatkan berdasarkan kepada sejauh mana suatu objek wisata dapat
dikenal oleh wisatawan. Berikut adalah Tabel Skala Penilaian Popularitas dapat dilihat
pada tabel 4.

Tabel 4. Skala Penilaian Popularitas (C3)

Tingkat popularitas objek wisata Nilai
Sangat Populer 5
Populer 4
Biasa saja 3
Kurang Populer 2
Belum Dikenal 1

4) Kriteria Waktu Kunjungan (C4)

Kriteria waktu kunjungan didapatkan berdasarkan kepada sejauh mana suatu objek wisata
dapat dikunjungi oleh wisatawan. Berikut adalah Tabel Skala Penilaian waktu kunjungan
dapat dilihat pada tabel 5.

Tabel 5. Skala Penilaian Waktu Kunjungan (C4)

Waktu Kunjungan Ke Objek Wisata Nilai
Bisa Siang dan Malam 5
Hanya Bisa Siang Hari 3

5) Kriteria Lama Pengelolaan (C5)

Kriteria lama pengelolaan diambil berdasarkan kepada berapa lama objek wisata tersebut
dikelola oleh pemerintah setempat. Berikut adalah Tabel Skala Penilaian harga tiket masuk
dapat dilihat pada tabel 6.

109
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Tabel 6. Skala Penilaian Lama Pengelolaan (C5)

Lama Pengelolaan objek Keterangan Nilai
wisata
> 25 Tahun Sangat Lama 5
10 - 25 Tahun Lama 4
5-10 Tahun Cukup Lama 3
1-5 Tahun Baru 2
< 1 Tahun Sangat Baru 1

6) Kriteria Jumlah Pengunjung (C6)

Kriteria ini diambil berdasarkan banyaknya jumlah wisatawan yang mengunjungi objek
wisata. Berikut adalah Tabel Skala Penilaian jumlah pengunjung dapat dilihat pada tabel 7.

Tabel 7. Skala Penilaian Jumlah Pengunjung (C6)

Jumlah Pengunjung Nilai
Sangat Banyak 5
Banyak 4
Sedang 3
Sedikit 2
Sangat Sedikit 1

B. Menentukan nilai profil standar/minimum setiap variabel

Langkah selanjutnya yaitu penentuan nilai profil standar untuk setiap variabel-variabel
yang digunakan dalam melakukan penilaian. Nilai profil standar ini ditentukan oleh setiap
wisatawan untuk dijadikan standar acuan dalam memilih obyek wisata. Interval nilai yang
digunakan antara 0 dengan 5.
Sebagai contoh misalkan seorang wisatawan yang akan melakukan kunjungan memiliki
nilai standar untuk kriteria objek wisata yang akan dikunjungi yaitu : Jarak Tempuhnya Sedang,
Harga Tiket Masuknya Murah, Popularitas Obyeknya Biasa Saja, Waktu berkunjung Hanya Siang,
Lama Pengelolaan Baru, dan jumlah pengunjungnya banyak.. Maka kondisi tersebut dilakukan
pencocokan pada setiap kriteria seperti pada langkah (A) dan hasilnya bisa dilihat pada tabel 8.

Tabel 8. Nilai Profil Standar

No Nama Kriteria Obyek Kondisi Yang Nilai Profil
Wisata diinginkan Wisatawan Standar
1 Jarak Tempuh (C1) Sedang 3
2 Harga Tiket Masuk (C2) Murah 4
3 Popularitas (C3) Biasa Saja 3
4 Waktu Kunjungan (C4) Hanya Siang 3
5 Lama Pengelolaan (C5) Baru 2
6 Jumlah Pengunjung (C6) Banyak 4

C. Menentukan nilai profil data test (obyek wisata)

Langkah Selanjutnya adalah menentukan nilai data tes. Data tes yang akan digunakan
dalam perhitungan ini adalah obyek wisata yang akan menjadi alternative pilihan yang menjadi
tujuan wisata, dapat dilihat pada Tabel 9.

110
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Tabel 9. Data Obyek Wisata Yang Dijadikan Pilihan Tujuan

Nama Obyek KRITERIA
Wisata Jarak Harga Popularitas Waktu Lama Jumlah
Tempuh Tiket Kunjungan Pengelolaan Pengunjung
Pantai Pangandaran 3 Km 6500 Sangat Siang Sangat Lama Sangat
popular Malam Banyak
Pantai Batu Karas 35 Km 6500 Popular Siang Sangat Lama Banyak
Malam
Pantai Karapyak 19 Km 5000 Biasa Saja Siang Saja Lama Sedikit
Pantai Batu Hiu 20 Km 6500 Populer Siang Saja Sangat Lama Sedang

Dari tabel 9, selanjutnya dilakukan kecocokan berdasarkan pada nilai skala kecocokan tiap
kriteria sehingga akan membentuk nilai profil data tes. Lihat gambar 10.

Tabel 10. Nilai Profil Data Test

Data Test KRITERIA
C1 C2 C3 C4 C5 C6
Pantai Pangandaran 5 5 5 5 5 5
Pantai Batu Karas 2 5 4 5 5 4
Pantai Karapyak 3 5 3 3 4 2
Pantai Batu Hiu 3 5 4 3 5 3

D. Menentukan nilai GAP

Langkah selanjutnya adalah perhitungan gap antara nilai profil data tes pada tabel 10
dengan nilai profil standar pada tabel 9. hasil dari perhitungan gap dapat dilihat pada tabel 11..

Tabel 11. Nilai gap

No Data Test KRITERIA
C1 C2 C3 C4 C5 C6
1 Pantai 5 5 5 5 5 5
Pangandaran
2 Pantai Batu Karas 2 5 4 5 5 4
3 Pantai Karapyak 3 5 3 3 4 2
4 Pantai Batu Hiu 3 5 4 3 5 3
Nilai Profil 3 4 3 3 2 4
Standar
gap Pantai 2 1 2 2 3 1
Pangandaran
Pantai Batu Karas -1 1 1 2 3 0
Pantai Karapyak 0 1 0 0 2 -2
Pantai Batu Hiu 0 1 1 0 3 -1

E. Menentukan bobot nilai gap

Langkah selanjutnya adalah menentukan bobot nilai gap. Lihat pada tabel 12.

111
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Tabel 12. Bobot Nilai gap

No Selisih (GAP) Bobot Keterangan
1 0 5 Tidak Ada Selisih (kompetensi sesuai dengan yang
dibutuhkan)
2 1 4.5 Kompetensi individu kelebihan 1 tingkat/level
3 -1 4 Kompetensi individu kekurangan 1 tingkat/level
4 2 3.5 Kompetensi individu kelebihan 2 tingkat/level
5 -2 3 Kompetensi individu kekurangan 2 tingkat/level
6 3 2.5 Kompetensi individu kelebihan 3 tingkat/level
7 -3 2 Kompetensi individu kekurangan 3 tingkat/level
8 4 1.5 Kompetensi individu kelebihan 4 tingkat/level
9 -4 1 Kompetensi individu kekurangan 4 tingkat/level

F. Pengkonversian bobot nilai gap

Pada langkah ini, nilai gap pada Tabel 11 dikonversi ke nilai bobot yang tertera pada Tabel 12.
Hasilnya dari pembobotan nilai GAP dapat dilihat pada Tabel 13.

Tabel 13. Pembobotan Nilai gap

No Data Test KRITERIA
C1 C2 C3 C4 C5 C6
GAP Pantai Pangandaran 2 1 2 2 3 1
Pantai Batu Karas -1 1 1 2 3 0
Pantai Karapyak 0 1 0 0 2 -2
Pantai Batu Hiu 0 1 1 0 3 -1

Bobot Pantai Pangandaran 3.5 4.5 3.5 3.5 2.5 4.5

Nilai Pantai Batu Karas 4 4.5 4.5 3.5 2.5 5
GAP Pantai Karapyak 5 4.5 5 5 3.5 3
Pantai Batu Hiu 5 4.5 4.5 5 2.5 4

G. Perhitungan dan pengelompokan Core Factor dan Secondary Factor

Kriteria yang digunakan dalam pemilihan obyek wisata dikelompokkan menjadi dua yaitu
Core Factor (CF) dan Secondary Factor (SF). Dalam pengelompokkan kriteria ini, tidak ada
aturan khusus yang harus diterapkan. Pengelompokkan ini dilakukan oleh wisatawan untuk
memilah mana kriteria dengan pertimbangan dari aspek pentingnya kriteria terhadap rekomendasi
objek wisata.
Pada kasus ini , kriteria yang masuk dalam katagori CF adalah Jarak Tempuh dan Harga
Tiket. Sedangkan kategori SF adalah Popularitas, Waktu Kunjungan, Lama Pengelolaan, dan
jumlah pengunjung
Tabel 14. Pengelompokan Core dan Secondary Factor
No Nama Kriteria Keterangan
1 Jarak Tempuh (C1) Core Factor
2 Harga Tiket Masuk (C2) Core Factor
3 Popularitas (C3) Secondary Factor
4 Waktu Kunjungan (C4) Secondary Factor
5 Lama Pengelolaan (C5) Secondary Factor
6 Jumlah Pengunjung (C6) Secondary Factor

Setelah melakukan pengelompokan, selanjutnya dihitung nilai Core Factor (NCF) dan
nilai Secondary Factor (NSF). Perhitungan keduanya dapat dilihat pada tabel 15 dan tabel 16.

112
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Tabel 15. Perhitungan Core Factor

Nama Obyek Kriteria Core Factor Nilai Core Factor
Wisata C1 C2 (NCF)
Pantai Pangandaran 3.5 4.5 4.00
Pantai Batu Karas 4 4.5 4.25
Pantai Karapyak 5 4.5 4.75
Pantai Batu Hiu 5 4.5 4.75

Tabel 16. Perhitungan Secondary Factor

Nama Obyek Kriteria Secondary Factor Nilai Secondary
Wisata C3 C4 C5 C6 Factor (NSF)
Pantai Pangandaran 3.5 3.5 2.5 4.5 3.50
Pantai Batu Karas 4.5 3.5 2.5 5 3.88
Pantai Karapyak 5 5 3.5 3 4.13
Pantai Batu Hiu 4.5 5 2.5 4 4.00

H. Perhitungan Nilai Akhir.

Dalam menentukan nilai akhir, kontribusi nilai CF dan SF dibedakan komposisinya. Nilai
CF dianggap sebagai kriteria penting, sehingga kompisisi CF adalah 60% terhadap nilai akhir dan
nilai SF adalah 40%. Perhitungan Nilai Akhir dihitung dengan cara:

NA = 60% NCF + 40% NSF

Tabel 17. Perhitungan Nilai Akhir (NA)

Nama Obyek Nilai Core Factor Nilai Secondary Nilai Akhir
Wisata (NCF) Factor (NSF) (NA)
Pantai 4.00 3.50 3.80
Pangandaran
Pantai Batu Karas 4.25 3.88 4.10
Pantai Karapyak 4.75 4.13 4.50
Pantai Batu Hiu 4.75 4.00 4.45

Data tabel 17 kemudian diurutkan berdasarkan nilai akhir (NI) tertinggi sampai terendah.
Hasilnya bisa dilihat pada tabel 18 dan didapatkan bahwa nilai akhir tertinggi yaitu 4.50 ada pada
Pantai Karapyak. Dengan demikian obyek wisata pantai karapyak adalah alternatif yang terpilih
sebagai obyek wisata yang paling direkomendasikan untuk dikunjungi oleh wisatawan tersebut
dalam kasus ini.
.
Tabel 18. Daftar Urutan Obyek Wisata yang direkomendasikan
No Urut Nama Obyek Wisata Nilai Akhir
Rekomendasi
1 Pantai Karapyak 4.50
2 Pantai Batu Hiu 4.45
3 Pantai Batu Karas 4.10
4 Pantai Pangandaran 3.80

Implementasi Sistem
113
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Gambar 2 menunjukkan proses pemilihan objek wisata dimulai dengan penginputan

kriteria yang akan digunakan.

Gambar 2. Tampilan input data kriteria pemilihan objek wisata

Selanjutnya dilakukan penentuan nilai profil standar yang ditampilkan seperti pada gambar 3. Nilai
ini berisi profil seperti apa yang diinginkan wisatawan dari objek wisata yang ingin dikunjungi.
Berikutnya penentuan Nilai Profil Data Tes yaitu data obyek wisata yang akan menjadi alternatif
pilihan untuk direkomendasikan kepada wisatawan. Lihat gambar 4.

Gambar 3. Tampilan Pengisian Profil Standar oleh wisatawan

Gambar 4. Tampilan Pengisian profil data objek wisata

Selanjutnya pada gambar 5, terlihat proses penentuan nilai gap yaitu selisih nilai antara profil
standar dengan profil data tes. Hasil penentuan nilai tersebut selanjutnya dilakukan pembobotan
nilai gap berdasarkan tabel bobot nilai gap. Lihat tabel 6.

114
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Gambar 5. Menentukan Nilai GAP

Gambar 6. Pembobotan Nilai GAP

Gambar 7. Perhitungan Core dan Secondary Factor

Selanjutnya pada gambar 7, terlihat proses pengelompokan Core Factor dan Secondary
Factor yang dilanjut dengan proses perhitungan masing-masing.

Gambar 8. Perhitungan Nilai Akhir

115
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

Pada gambar 8 terlihat proses perhitungan nilai akhir dengan memberikan prosentase yang
berbeda antara nilai Core Factor dan Secondary Factor. Hasil nilai akhir ini kemudian diurutkan
berdasarkan nilai tertinggi sampai terendah dan dapat terlihat urutan rekomendasi objek wisata
yang direkomendasikan kepada wisatawan.

Gambar 9. Hasil akhir dari rekomendasi sistem pemilihan objek wisata

Kesimpulan
Dari hasil penelitian yang dilakukan maka dapat diambil kesimpulan sebagai berikut:
a) Sistem rekomendasi pemilihan objek wisata di Kabupaten Pangandaran menggunakan metode
Profile Matching telah berhasil dibangun dan dapat menghasilkan keputusan berupa daftar
rekomendasi objek wisata yang paling cocok dengan keinginan wisatawan sesuai dengan
kriteria yang dijadikan acuan.
b) Sistem rekomendasi ini dibangun secara online dan menambahkan fitur sistem informasi
geografis berbasis google maps yang dapat membantu memberikan informasi aktual dan
lengkap mengenai lokasi obyek wisata dan informasi pendukungnya.

Daftar pustaka

[1] Pemerintah Republik Indonesia. UU No 21 Tahun 2012. Internet: http://www.ri.go.id. [20

Mei 2016].
[2] Dinas Pariwisata Kabupaten Pangandaran. Obyek Wisata di Kabupaten Pangandaran.
internet: http://dispar.pangandarankab.go.id/category/destinasi/. [20 Mei 2016].
[3] Dinas Pariwisata Provinsi Jawa Barat. 10 Pantai Terindah di Indonesia menurut
Indonesia.travel. Internet: http://www.disparbud.jabarprov.go.id/. [20 Mei 2016].
[4] Dinas Pariwisata Kabupaten Pangandaran. Data Kunjungan Wisatawan ke Kabupaten
Pangandaran. Internet: http://dispar.pangandarankab.go.id/2016/04/21/data-kunjungan-
wisatawan-kabupaten-pangandaran/. [20 Mei 2016].
[5] Tanti, Lili. "Analisis Promosi Kenaikan Jabatan Berdasarkan Evaluasi Kinerja Pegawai."
Creative Information Technology Journal 3.4 (2016): 331-343.
[6] Purnomo, D. E. S. Sistem Pendukung Keputusan Untuk Pemilihan Obyek Wisata Di
Surakarta Menggunakan Metode Fuzzy Tahani, Skripsi, 2013, Fakultas Teknologi
Informasi Universitas Stikubang, Semarang.
[7] Oktovianus, P., Santoso, A. J., dan Ardanari, P. 2014. Sistem pendukung Keputusan
Pemilihan Tempat Wisata di Timor Leste Dengan Metode Electre. Tersedia di: http://e-
journal.uajy.ac.id. [20 Mei 2016].
[8] Nugroho, S. Sistem Pendukung Keputusan Pemilihan Lokasi Objek Wisata Di Kabupaten
Grobogan Menggunakan Metode Profile Matching, Skripsi, 2014, Fakultas Teknik
Informatika Universitas Dian Nuswantoro, Semarang.
[9] Sudyatmika, I.W.A., Darmawiguna, I.G.M., dan. Wirawan, I.M.A. Pengembangan Sistem
Pendukung Keputusan Berbasis Android Untuk Penentuan Daerah Tujuan Wisata Di Bali
Dengan Menggunakan Metode Fuzzy Tahani. Kumpulan Artikel Mahasiswa Pendidikan
Teknik Informatika (KARMAPATI), 2015. 4(6).
116
SEMNAS TECHNOPEX-2018 Institut Teknologi Indonesia ISSN: 2654-489X

[10] Ranius, A.Y. Sistem Pendukung Keputusan Penentuan Destinasi Wisata Unggulan Di Kota
Palembang. Seminar Nasional Inovasi dan Tren (SNIT). 2015. Hal. 50-55.
[11] Puspitasari, T. Implementasi Metode Fuzzy Tahani Untuk Rekomendasi Tujuan Wisata Di
Tulungagung. Skripsi, 2015. Fakultas Teknik Universitas Persatuan Guru Republik
Indonesia, Kediri.
[12] Mihuandayani., Ridho, M.Z., dan. Widyastuti, D.A. Perancangan Sistem Pendukung
Keputusan Untuk Pemilihan Objek Wisata Di Gunungkidul Dengan Algoritma Forward
Chaining. Seminar Nasional Teknologi Informasi dan Multimedia. 6-7 Februari, 2016.
Yogyakarta, Indonesia. Hal. 133-138.
[13] Maria Eny, Dwi Novia P., Yulianto. Sistem Pendukung Keputusan Pemilihan Lokasi
Objek Wisata di Yogyakarta dengan AHP (Analitical Hierarchi Process). Jurnal Rekayasa
Teknologi Informasi, 2017, Vol.1 No.2, 137-142
[14] Aidah, Mus, and Hajra Rasmita. "Sistem Pendukung Keputusan Pemilihan Destinasi
Wisata Di Sulawesi Tengah Menggunakan Metode SMART." Voice of Informatics 7.2
(2018).

117