PREDIKSI JUMLAH PENGUNJUNG PERPERIODE TERHADAP TEMPAT WISATA PANTAI MENGGUNAKAN TRIPLE EXPONENTIAL SMOOTHING (STUDI KASUS PANTAI GILI LABAK SUMENEP)
Penulis RAHIM, AINURSkripsi
2021
518/UB/fT-Inf/21
Ind
PREDIKSI JUMLAH PENGUNJUNG PERPERIODE TERHADAP TEMPAT WISATA PANTAI MENGGUNAKAN TRIPLE EXPONENTIAL SMOOTHING (STUDI KASUS PANTAI GILI LABAK SUMENEP)
#1714311049Pengarang: RAHIM, AINUR
Pembimbing Pertama: Dr.Rr. Ani Dijah Rahajoe, ST.M.Cs
Jenis: Skripsi
Penerbit: UBHARA - FT. informatika
Tahun Terbit: 2021
Bahasa: Ind
Kode: 518/UB/fT-Inf/21
No. Klasifikasi: 005.4 Rah p
Jenis Karya: S1
Jenis
Skripsi
Tahun
2021
Status
Tersedia
Kode
518/UB/fT-Inf/21
Deskripsi Fisik
xv + 99 hal; 30 cm
Subyek
PREDIKSI - TRIPLE EXPONENTIAL SMOOTHING
Kata Kunci
Anotasi
ABSTRAK Pariwisata menjadi salah satu sektor dalam peningkatan pendapatan suatau wilayah, baik negara, daerah ataupun kabupaten. Begitu halnya di kabupaten sumenep wisata terdapat wisata religi, kuliner, keraton dan bahari. Keberadaan wisata bahari (pantai) menjadi fokus pnelitian penulis. Bahwa Sumenep atau lebih tepatnya Gili Labak dengan wisata pantainya menjadi tempat kunjungan dominan oleh wisatawan khusunya dikalangan remaja Peramalan atau Forecasting menurut Subagyo (Fiqi Randi, 2017:38), adalah peramalan tentang apa yang akan terjadi pada waktu yang akan datang berikut bertujuan untuk mendapatkan ramalan atau prediksi dan dapat meminimumkan kesalahan ramalan. Penelitian ini bertujuan untuk membangun aplikasi Prediksi Jumlah Pengunjung Perperiode Terhadap Tempat Wisata Pantai Menggunakan Triple Exponential Smoothing (Studi Kasus Pantai Gili Labak Sumenep). Data wisata sebelumnya merupakan data pada tahun 2015-2018 pada jumlah hasil prediksi periode 2019 diperoleh sebesar 32.369.72, hasil penelitian ini menunjukkan bahwa prediksi dengan metode Triple Exponential Smoothing Holt –Winter Model Multiplikatif dengan nilai konstanta alfa (a) = 0,1, beta (β) = 0,8 dan gama (ƴ) = 0,1 kesalahan model error yang digunakan yaitu MAD sebesar 0.053246348, MSE sebesar 0.002835174, MAPE sebesar 0.001897589dan MPE -0.490802157 terlihat dari nilai MAD, MSE, MAPE dan MPE. kinerja proses prediksi menggunakan Mean Absolute Percentage Error (MAPE) dengan hasil nilai error terkecil pada MAPE yang menunjukkan tingkat akurasi sebesar ≤ 10 %, yang berarti peramalan yang dilakukan baik dan sesuai.