Optimalisasi Algoritma Geospasial dalam Identifikasi Potensi

Wisata di Jepara

SKRIPSI

Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Strata 1
(S.1) Program Studi Teknik Informatika
Fakultas Sains dan Teknologi
Universitas Islam Nahdlatul Ulama Jepara

Oleh:
MUHAMMAD ARQOM ANWAR
NIM.201240001030

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS

SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NAHDLATUL ULAMA
JEPARA 2023
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Jepara dikenal karena sejarah panjangnya sebagai pusat kerajinan kayu dan
pusat perdagangan maritim yang kaya akan warisan budaya dan sejarah. Daerah
ini terkenal memproduksi kerajinan kayu handmade berkualitas tinggi yang telah
diakui di tingkat internasional [1][2]. Produk-produk seperti mebel kayu dan
ukiran khas Jepara telah menjadi ikon budaya dan ekonomi bagi daerah ini.
Daerah pesisir Jepara juga menawarkan keindahan alam yang luar biasa,
dengan pantai berpasir putih yang cantik dan kehidupan laut yang kaya [3]. Selain
itu, daerah ini memiliki situs-situs bersejarah yang penting secara historis. Sektor
pariwisata dapat membantu mempromosikan kesetaraan ekonomi, terutama bagi
mereka yang tinggal di daerah pesisir dan sangat bergantung pada sumber daya
laut [4]. Selain mengembangkan industri kerajinan kayu, Jepara juga telah
mengembangkan industri pariwisata, yang merupakan industri yang berkembang
dan menguntungkan di Indonesia. Pemerintah telah berupaya untuk memperkuat
identitas Jepara sebagai "Pusat Ukiran Dunia" dan mengembangkan industri
pariwisata.
Meskipun potensi wisata di Jepara sangat menjanjikan, belum sepenuhnya
tergali. Identifikasi dan pemetaan potensi destinasi wisata di wilayah ini belum
mencapai potensinya yang sesungguhnya. Penelitian ini bertujuan untuk
mengatasi kesenjangan ini dan memanfaatkan kecanggihan teknologi
Geographical Information System (GIS) untuk mengembangkan algoritma
geospasial yang lebih baik dan efisien dalam mengidentifikasi dan memetakan
potensi wisata di Jepara. Upaya ini diharapkan akan memberikan kontribusi
signifikan dalam pengembangan sektor pariwisata Jepara dan membantu
memperluas pengetahuan tentang peran teknologi dalam pengembangan destinasi
wisata.
Penelitian sebelumnya telah menggunakan berbagai metode untuk menggali
potensi wisata. Salah satu metode yang telah digunakan adalah algoritma Dijkstra,
yang berguna untuk menghitung rute terpendek antara lokasi tertentu [5], [6] .
Algoritma ini berguna dalam menentukan aksesibilitas dan konektivitas antara
potensi destinasi wisata. Dalam konteks pengelompokan destinasi wisata,
penelitian sebelumnya telah memanfaatkan Metode analisis klastering, yang
berguna untuk mengelompokkan destinasi wisata dengan karakteristik serupa. Hal
ini memungkinkan pengidentifikasian area-area dengan potensi wisata yang
serupa di suatu wilayah.. Penerapan analisis klastering dapat membantu dalam
mengenali potensi destinasi wisata yang serupa dalam satu wilayah [7], [8].
Metode analisis spasial juga berhasil diterapkan untuk memetakan distribusi
geografis potensi wisata. Dalam konteks ini, analisis hotspot dilakukan untuk
mengidentifikasi daerah-daerah dengan konsentrasi tinggi potensi wisata, dan
analisis titik panas (hotspots) digunakan untuk menilai area-area dengan minat
potensial bagi para wisatawan. Dengan demikian, penelitian sebelumnya telah
menggabungkan berbagai metode analisis untuk mendapatkan pemahaman yang
lebih mendalam tentang sebaran dan potensi wisata di Jepara dengan pendekatan
yang lebih holistik. [9].
Meskipun Algoritma Dijkstra efektif dalam menghitung rute terpendek
antara dua titik dalam sistem informasi geografis (GIS), memiliki beberapa
kelemahan yang perlu dipertimbangkan. Salah satunya adalah keterbatasannya
dalam mempertimbangkan faktor-faktor lain selain jarak fisik dalam penghitungan
rute. Algoritma ini cenderung mengabaikan preferensi pengguna, aspek sosial-
budaya, atau faktor lingkungan yang mungkin memengaruhi pilihan rute
wisatawan. Sebagai contoh, algoritma ini mungkin tidak mempertimbangkan
bahwa wisatawan lebih suka rute dengan pemandangan alam yang indah daripada
rute yang lebih cepat secara geografis. Oleh karena itu, sementara Dijkstra cocok
untuk rute terpendek, itu mungkin tidak selalu memberikan solusi terbaik dalam
konteks wisata [10].
Di sisi lain, Analisis klastering merupakan metode yang berguna untuk
mengelompokkan destinasi wisata berdasarkan karakteristik, seperti sumber daya
alam, warisan budaya, dan infrastruktur pariwisata. Namun, kelemahan utama dari
metode ini adalah bahwa ia mungkin tidak selalu mempertimbangkan aspek
geografis atau jarak fisik. Hal ini dapat mengakibatkan destinasi potensial berada
dalam kelompok yang sama meskipun secara geografis terpisah cukup jauh. Oleh
karena itu, penting untuk berhati-hati dalam menerapkan metode klastering dan
mempertimbangkan aspek geografis selain karakteristik lainnya. Dengan
menggunakan kombinasi analisis klastering dan analisis spasial, perencana
pariwisata dapat mengembangkan rencana pengembangan pariwisata yang
komprehensif untuk suatu wilayah yang memperhitungkan baik karakteristik
destinasi wisata maupun distribusi geografisnya. Hal ini dapat membantu
memastikan bahwa para wisatawan memiliki beragam pilihan untuk dipilih dan
dapat membantu mempromosikan pengembangan pariwisata berkelanjutan di
wilayah tersebut [11].
Untuk mengatasi kekurangan algoritma Dijkstra dalam pemetaan potensi
wisata, sebuah pendekatan yang dapat digunakan adalah mengintegrasikan
algoritma Dijkstra dengan informasi tambahan yang mencakup preferensi
pengguna. Ini dapat dilakukan dengan memasukkan data preferensi wisatawan,
seperti tujuan wisata, minat, dan preferensi perjalanan ke dalam perhitungan rute.
Dengan demikian, solusi rute yang dihasilkan akan lebih sesuai dengan ekspektasi
dan preferensi wisatawan, memungkinkan identifikasi destinasi potensial yang
lebih cocok dengan minat wisatawan [12].
Sedangkan mengatasi kelemahan metode analisis klastering, solusinya
adalah memadukan pendekatan ini dengan informasi geografis yang lebih akurat.
Ini dapat dilakukan dengan mempertimbangkan jarak fisik antara destinasi wisata
yang dikelompokkan dalam klaster tertentu. Dengan mengintegrasikan faktor
geografis ke dalam analisis klastering, akan lebih memungkinkan untuk
mengidentifikasi destinasi yang secara geografis berdekatan dan memiliki potensi
untuk dikunjungi dalam satu perjalanan yang efisien [13].
Selain itu, dalam kasus pemetaan potensi wisata, solusi yang efektif dapat
melibatkan penggunaan algoritma machine learning yang dapat belajar dari
preferensi wisatawan seiring waktu. Algoritma ini dapat memberikan rekomendasi
yang semakin tepat seiring dengan akumulasi data pengguna tentang preferensi
mereka [14]. Dengan menggunakan pendekatan ini, pemetaan potensi wisata di
Jepara akan menjadi lebih adaptif dan sesuai dengan perkembangan tren dan
perubahan preferensi wisatawan.
Adapun Tujuan penelitian ini adalah untuk mengoptimalisasi algoritma
geospasial dalam pemetaan potensi wisata di Jepara. Hal ini dilakukan dengan
mengintegrasikan preferensi pengguna, faktor sosial-budaya, dan faktor
lingkungan dalam perhitungan rute, sehingga dapat menghasilkan rekomendasi
destinasi wisata yang lebih sesuai dengan preferensi wisatawan. Selain itu,
penelitian ini akan memadukan analisis klastering dengan faktor geografis yang
lebih kuat, sehingga hasil kelompok destinasi wisata lebih mempertimbangkan
aspek-aspek geografis. Penelitian ini juga akan mempertimbangkan penggunaan
algoritma machine learning untuk mengidentifikasi perubahan tren dan preferensi
wisatawan seiring waktu, sehingga pemetaan potensi wisata akan menjadi lebih
adaptif terhadap perubahan dan perkembangan dalam industri pariwisata. Dengan
demikian, penelitian ini bertujuan untuk memberikan kontribusi penting dalam
pengembangan strategi pariwisata yang lebih cerdas dan berkelanjutan di Jepara.

1.2 Batasan Masalah

Berdasarkan permasalahan diatas , Batasan masalah yang digunakan adalah
sebagai berikut :
1) Lokasi: Penelitian ini terbatas pada Kabupaten Jepara, Provinsi Jawa
Tengah, Indonesia.
2) Algoritma Geospasial: Penelitian akan memfokuskan pada pengoptimalan
algoritma Dijkstra dalam identifikasi dan pemetaan potensi wisata di Jepara.
3) Data Preferensi Wisatawan: Penelitian akan memasukkan preferensi
wisatawan dalam perhitungan rute dan rekomendasi destinasi, dengan fokus
pada faktor-faktor seperti minat dan preferensi perjalanan.
4) Analisis Klastering: Penelitian akan mengintegrasikan analisis klastering,
tetapi dengan penekanan pada kelompok destinasi wisata yang
mempertimbangkan faktor geografis.
1.3 Rumusan Masalah
 Berdasarkan uraian latar belakang di atas, rumusan masalah disini mengacu
pada permasalahan Bagaimana mengoptimalisasi algoritma geospasial dalam
identifikasi dan pemetaan potensi wisata di Jepara untuk menghasilkan
rekomendasi destinasi yang lebih sesuai dengan preferensi wisatawan serta
mempertimbangkan faktor-faktor geografis dan sosial-budaya?
1.4 Tujuan Penelitian
Adapun Tujuan dari penelitian ini adalah:
1) Mengoptimalisasi algoritma geospasial, terutama algoritma Dijkstra, dalam
identifikasi dan pemetaan potensi wisata di Jepara.
2) Meningkatkan akurasi rekomendasi destinasi wisata dengan memasukkan
preferensi wisatawan, termasuk faktor-faktor seperti minat dan preferensi
perjalanan.
3) Memperoleh hasil kelompok destinasi wisata yang lebih sesuai dengan
aspek geografis di Jepara dengan mengintegrasikan analisis klastering.
4) Mengembangkan pemetaan potensi wisata yang lebih adaptif terhadap
perubahan tren dan preferensi wisatawan seiring waktu dengan
menggunakan algoritma machine learning.
5) Membantu dalam pengembangan strategi pariwisata yang lebih cerdas dan
berkelanjutan di Jepara berdasarkan pemetaan potensi wisata yang lebih
komprehensif dan akurat.
1.5 Manfaat Penelitian
Dari penelitian ini, diharapkan memberi manfaat sebagai berikut :
1) Manfaat Penelitian pada Ilmu Pendidikan:
 Peningkatan Kualitas Pendidikan: Hasil penelitian ini dapat digunakan
dalam pengembangan kurikulum dan program pendidikan terkait
pariwisata, sehingga membantu meningkatkan kualitas pendidikan di
bidang ini.
 Pengembangan Program Studi: Dapat membantu institusi pendidikan
untuk mengembangkan program studi terkait pariwisata yang lebih
relevan dengan kebutuhan industri.
  Penelitian dan Pengajaran: Menyediakan topik penelitian dan studi
kasus yang bermanfaat bagi mahasiswa dan peneliti di bidang
geospasial, memperkaya pengetahuan di bidang ini.

2) Manfaat Penelitian pada Masyarakat:

 Kemudahan Wisatawan: Meningkatkan pengalaman perjalanan
wisatawan dengan memberikan rekomendasi destinasi yang sesuai
dengan preferensi mereka, sehingga meningkatkan kepuasan mereka.
 Pendapatan Masyarakat: Dapat meningkatkan pendapatan masyarakat
setempat, terutama di daerah pesisir, dengan mendukung
pengembangan destinasi wisata yang lebih menarik.
 Pemahaman tentang Potensi Lokal: Masyarakat akan memiliki
pemahaman yang lebih baik tentang potensi wisata lokal, membuka
peluang bisnis dan kerja di bidang pariwisata.

3) Manfaat Penelitian pada Dinas Pariwisata:

 Perencanaan Strategis: Memberikan dasar yang kuat untuk perencanaan
strategis dalam pengembangan pariwisata di Jepara.
 Promosi Wisata: Memberikan informasi yang lebih akurat dan up-to-
date untuk digunakan dalam promosi wisata dan pemasaran destinasi
Jepara.
 Pengelolaan Wisata: Memudahkan pengelolaan destinasi wisata dengan
memberikan wawasan tentang preferensi dan perubahan tren
wisatawan.
1.6 Sistem Penulisan
 BAB II
LANDASAN TEORI
2.1 Tinjauan studi
2.2 Tinjauan Pustaka
2.3 Kerangka Pemikir
 BAB III

METODE PENELITIAN

3.1 Desain Penelitian

3.2 Pengumpulan Data
3.3 Metode yang Diusulkkan
 DAFTAR PUSTAKA

[1] D. Mardiani, S. Nugroho, and R. Riskyanto, “MULYOHARJO CARVING VILLAGE JEPARA,”

2018. [Online]. Available: https://api.semanticscholar.org/CorpusID:195036675

[2] Sp. Gustami, “Seni Kerajinan Mebel Ukir Jepara Abad XIX Samapai Abad XX : Sebuah
Tinjauan Melalui Pendekatan Multidimensional,” 1997. [Online]. Available:
https://api.semanticscholar.org/CorpusID:192152425

[3] K. J. Ferdian, I. A. I. Dm, and S. Tondo, “DAMPAK EKOWISATA BAHARI DALAM PERSPEKTIF
KESEJAHTERAAN MASYARAKAT DAN KELESTARIAN LINGKUNGAN PESISIR,” 2020. [Online].
Available: https://api.semanticscholar.org/CorpusID:216373367

[4] T. Warningsih, K. Kusai, L. Bathara, and D. Deviasari, “The Impact of Marine Ecotourism
Development in Rupat Island Indonesia,” Journal of Environmental Management and
Tourism, 2023, [Online]. Available: https://api.semanticscholar.org/CorpusID:259029918

[5] I. Zufria, A. M. Harahap, and M. F. Rkt, “Medan City Tourism Geographical Information
System Using Dijkstra Algorithm Method,” Indonesian Journal of Computer Science, 2022,
[Online]. Available: https://api.semanticscholar.org/CorpusID:257390832

[6] A. Lusiani, S. S. Purwaningsih, and E. Sartika, “DIJKSTRA ALGORITHM IN DETERMINING

THE SHORTEST ROUTE FOR DELIVERY SERVICE BY J&T EXPRESS IN BANDUNG,” Jurnal
Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, 2023,
[Online]. Available: https://api.semanticscholar.org/CorpusID:262139201

[7] N. N. Shadrina, Q. A. Besila, and H. Widjaja, “IDENTIFICATION AND ANALYSIS OF THE

NATURE TOURISM POTENTIAL IN PARI ISLAND, THE THOUSAND ISLANDS, JAKARTA,”
Journal of Synergy Landscape, 2023, [Online]. Available:
https://api.semanticscholar.org/CorpusID:258642939

[8] M. Denysenko, Z. Yurynets, and Yu. Biriukova, “CLUSTERING IN THE TOURISM HOTEL
BUSINESS TO INCREASE THE ECONOMIC EFFICIENCY OF THE NETWORK STRUCTURE,”
ECONOMICS, FINANCE AND MANAGEMENT REVIEW, 2021, [Online]. Available:
https://api.semanticscholar.org/CorpusID:245848652

[9] A. Almegi, _ S., A. Akmal, A. Alfiah, N. Nelvawita, and Y. Novita, “Sebaran Spasial Titik
Panas (Hotspot) Berdasarkan Penutupan Lahan di Kabupaten Pesisir Selatan,” EL-
JUGHRAFIYAH, 2022, [Online]. Available:
https://api.semanticscholar.org/CorpusID:247351003

[10] Y. Chen, “Application of Improved Dijkstra Algorithm in Coastal Tourism Route Planning,”
J Coast Res, vol. 106, pp. 251–254, 2020, [Online]. Available:
https://api.semanticscholar.org/CorpusID:220469668

[11] Z. Y. Wang, “Based on GIS Spatial Clustering Algorithm Research,” Adv Mat Res, vol. 971–
973, pp. 1565–1568, 2014, [Online]. Available:
https://api.semanticscholar.org/CorpusID:137004541
[12] F. U. Hambali and Th. D. Wismarini, “Metode Network Analisis Pencarian Rute Optimal
Dengan Algoritma Dijkstra Kunjungan Desa Wisata Wonolopo Dengan Jarak Tempuh
Berdasar Metode Euclidean Distance,” JURNAL MAHAJANA INFORMASI, 2022, [Online].
Available: https://api.semanticscholar.org/CorpusID:251530613

[13] N. N. Z. Cholidah and H. Masruroh, “Analisis kemampuan lahan sebagai arahan

penggunaan lahan dengan pemanfaatan Sistem Informasi Geografis (SIG) di Kabupaten
Nganjuk,” Jurnal Integrasi dan Harmoni Inovatif Ilmu-Ilmu Sosial (JIHI3S), 2021, [Online].
Available: https://api.semanticscholar.org/CorpusID:251182721

[14] I. Hakim et al., “Pemanfaatan Machine Learning dengan Algoritma X-Means untuk
Pemetaan Luas Panen, Produktivitas, dan Produksi Padi,” Building of Informatics,
Technology and Science (BITS), 2022, [Online]. Available:
https://api.semanticscholar.org/CorpusID:258262386