Klasterisasi Objek Wisata Menggunakan Jaccard Similarity Coefficient Berdasarkan Attraction, Accessability, Amenity dan Ancilarry Service
Abstract
Abstract
The tourism industry is back on track after being quiet for a long time due to the Covid-19 pandemic. Currently tourism activists are intensively promoting. In various regions, new tourist destinations have emerged, both managed by large companies and groups of people. In order to realize a good and sustainable tourism industry, it is necessary to carry out coaching and coaching in all of these tourist destinations. In developing the tourism industry, a component known as 6A is known, namely Attraction, Accessibility, Activities, Ancillary Service and Available Packages. Each component has sub-indicators that form the basis of data collection. Of the 6 components, tourist destinations will be clustered, the results of the clustering can be used for various purposes, such as development plans by related agencies, or for recommendations to tourists to determine destinations. The dataset obtained will be processed using the CBR (Case Base Reasoning) technique using the Jaccard Similarity Coefficient algorithm because it is an algorithm that is simple and easy to apply to binary data. From framework 6A, an application will be created to input new data that will be clustered. The output of the application is a collection of data that has been input.
Keyword : Jaccard Similarity Coefficient, Tourism, 4A Component
Abstrak
Industri pariwisata kembali menggeliat setelah sekian lama sepi karena pandemi Covid-19. Saat ini penggiat pariwisata sedang gencar untuk melakukan promosi. Pada berbagai wilayah, muncul destinasi wisata baru, baik dikelola perusahaan besar maupun sekelompok masyarakat. Agar terwujud industri pariwisata yang baik dan berkelanjutan maka perlu dilakukan pemantauan dan pembinaan pada seluruh destinasi wisata tersebut. Dalam mengembangkan industri pariwisata, dikenal komponen yang dinamakan 6A, yaitu Attraction, Accessbility, Activities, Ancillary Service dan Available Package. Masing-masing komponen mempunyai sub indikator yang menjadi dasar untuk pengumpulan data. Dari ke 6 komponen tersebut destinasi wisata akan di klasterisasi, hasil klasterisasi dapat digunakan untuk berbagai kepentingan semisal rencana pembinaan oleh dinas terkait, ataupun untuk rekomendasi kepada wisatawan untuk menentukan tujuan. Dataset yang diperoleh akan diolah dengan Teknik CBR (Case Base Reasoning) menggunakan algoritma Jaccard Similarity Coefficient karena merupakan algoritma yang sederhana dan mudah diaplikasikan untuk data biner. Dari framework 6A, akan dibuat aplikasi untuk menginput data baru yang akan diklasterisasi. Adapun output dari aplikasi adalah kelompok data yang telah diinput.
Kata Kunci : Jaccard Similarity Coefficient, Pariwisata, Komponen 4A
Full Text:
PDF (31-38)References
D. Buhalis and A. Amaranggana, “Information and Communication Technologies in Tourism 2014,” Inf. Commun. Technol. Tour. 2014, pp. 553–564, 2013, doi: 10.1007/978-3-319-03973-2.
S. F. Chaerunissa and T. Yuniningsih, “Analisis Komponen Pengembangan Pariwisata Desa Wisata Wonopolo Kota Semarang,” J. Public Policy Manag. Rev., vol. 9, no. 4, pp. 159–175, 2020.
S. Rosanto and V. Chainarta, “Analisa Aspek Kebijakan Pemerintah Terhadap Potensi Wisata Alam di Danau Sarantangan, Singkawang, Kalimantan Barat,” vol. 1, no. 11, pp. 2805–2812, 2021.
R. A. Nugraha, H. Abdillah, S. T. Untoro, and A. Makruf, “Partisipasi Masyarakat Melalui Metode 4A Dalam Pengembangan Sektor Wisata Dusun Serut,” Mawa Izh J. Dakwah Dan Pengemb. Sos. Kemanus., vol. 13, no. 1, pp. 27–48, 2022, doi: 10.32923/maw.v13i1.2290.
M. Nugraheni, “Detection Coronavirus using Cased-Based Reasoning with Extended Jaccard Coefficient,” IJISTECH (International J. Inf. Syst. Technol., vol. 5, no. 1, p. 31, 2021, doi: 10.30645/ijistech.v5i1.112.
A. Gunawan, C. Suhery, and T. Rismawan, “Implementasi Metode Case-Based Reasoning Dan Similarity Jaccard Coefficient Dalam Identifikasi Kerusakan Laptop,” Coding J. Komput. dan Apl., vol. 09, no. 02, pp. 292–305, 2021.
S. Rianti and Ri. Adrianti Supono, “Perbandingan Algoritma Edit Distance, Levenshtein Distance, Hamming Distance, Jaccard Similarity Dalam Mendeteksi String Matching,” J. Sist. Inf. Univ. Suryadarma, vol. 10, no. 1, pp. 305–314, 2023.
A. Yudhana, S. -, and A. Djalil, “Implementation of Pattern Matching Algorithm for Portable Document Format,” Int. J. Adv. Comput. Sci. Appl., vol. 8, no. 11, pp. 509–512, 2017, doi: 10.14569/ijacsa.2017.081162.
M. Nugraheni, Widodo, and I. P. Sari, “A Case-Based Reasoning for Detection Coronavirus (Covid-19) Using Cosine Similarity,” Proc. Conf. Broad Expo. to Sci. Technol. 2021 (BEST 2021), vol. 210, no. Best 2021, pp. 178–183, 2022, doi: 10.2991/aer.k.220131.030.
F. Pecoraro and D. Luzi, “Using Unified Modeling Language to Analyze Business Processes in the Delivery of Child Health Services,” Int. J. Environ. Res. Public Health, vol. 19, no. 20, 2022, doi: 10.3390/ijerph192013456.
L. Setiyani, “Desain Sistem : Use Case Diagram Pendahuluan,” Pros. Semin. Nas. Inov. Adopsi Teknol. 2021, no. September, pp. 246–260, 2021.
M. Syarif and W. Nugraha, “Pemodelan Diagram UML Sistem Pembayaran Tunai Pada Transaksi E-Commerce,” J. Tek. Inform. Kaputama, vol. 4, no. 1, p. 70 halaman, 2020, [Online]. Available: http://jurnal.kaputama.ac.id/index.php/JTIK/article/view/240
A. Mufti, “Rancangan Layar Sebagai Alat Bantu Pendewasa,” Fakt. Exacta, vol. 8, no. 2, pp. 181–185, 2015.
Alfitriani, “Pengaruh Komponen 4A Terhadap Minat Kunjung Ulang Wisatawan Pada Destinasi Wisata Bayt Al-Qur’an Al-Akbar Kota Palembang,” Apl. Manaj. Bisnis, vol. 1, no. 2, pp. 66–77, 2021, [Online]. Available: https://jurnal.polsri.ac.id/index.php/JAMB
M. Y. F. Salasa and T. Ismail, “Analisis Pengaruh Attraction, Accessibility , Amenities, dan Ancillary Terhadap Kepuasan Wisatawan Pantai Tiga Warna Malang,” J. Ilm. FEB, vol. 7, no. 1, pp. 1–8, 2018.
DOI: https://doi.org/10.31294/evolusi.v11i1.15114
ISSN: 2657-0793 (online). ISSN: 2338-8161 (print)
