IMPLEMENTASI ALGORITMA APRIORI UNTUK EKSTRAKSI ATURAN DARI DATA KUNJUNGAN WISATAWAN DI TAMAN WISATA SENGKALING

Gita Indah Marthasari

Abstract


Perkembangan teknologi informasi (TI) memberikan manfaat positif pada berbagai bidang industri salah satunya pariwisata. Industri pariwisata telah menggunakan TI untuk meningkatkan efisiensi operasional usahanya. Selain itu, TI juga digunakan untuk memperkaya pengalaman para wisatawan baik berkaitan dengan pengetahuan akan objek wisata, kepuasan, maupun kemudahan. Data mining merupakan teknik penggalian pengetahuan yang seringkali digunakan pada banyak bidang salah satunya adalah wisata..Salah satu metode dalam penggalian data adalah ekstraksi aturan asosiasi (association rule mining). Ekstraksi aturan asosiasi merupakan salah satu teknik analisis data yang populer dalam bidang penggalian data. Ekstraksi aturan asosiasi merupakan salah satu teknik untuk menemukan seluruh aturan asosiasi berdasarkan nilai minimum support dan minimum confidence tertentu. Taman Wisata Sengkaling merupakan objek wisata yang terletak di Kabupaten Malang. Terdapat lebih dari 20 wahana yang dapat dinikmati oleh para wisatawan yang berkunjung. Data kunjungan wisatawan pada wahana-wahana di Sengkalingdapat dimanfaatkan oleh pengelola untuk memperoleh pengetahuan dalam bentuk pola keterkaitan antar wahana yang dikunjungi. Pada penelitian ini, algoritma Apriori digunakan untuk menemukan pola tersebut. Algoritma Apriori merupakan algoritma yang populer untuk ekstraksi aturan asosiasi antar data. Data diperoleh dari hasil survey terhadap pengunjung Taman Wisata Sengkaling. Implementasi algoritma Apriori dilakukan memanfaatkan aplikasi WEKA. Dari pengujian penentuan nilai support dan confidence diperoleh nilai terbaik 0.3dan 0.97. Kedua nilai tersebut menghasilkan keterkaitan antara wahana Kiddy Car dan Kincir Angin serta wahana Kiddy Train dan Kincir Angin.

Full Text:

PDF

References


Gunadi, G. dan Sensuse, D.I. 2012. Penerapan Metode Data Mining Market Basket Analysis terhadap Data Penjualan Produk Buku dengan menggunakan Algoritma Apriori dan Frequent Pattern Growth (FP-Growth) : Studi Kasus Percetakan PT Gramedia. Jurnal Telematika MKOM, Vol. 4, No. 1, Maret 2012.

Juwattanasamran, P., Supattranuwong, S., dan Sinthupinyo, S. 2013. Applying Data Mining to Analyze Travel Pattern in Searching Travel Pattern Destination Choices. The International Journal of Engineering and Sciences, Vol. 2, Issue 4, pages 38-44.

Kumar, Varun, and Anupama Chadha. 2012. "Mining association rules in student’s assessment data." International Journal of Computer Science Issues 9.5 (2012): 211-216.

Lee, Ickjai, Guochen Cai, and Kyungmi Lee. 2013. "Mining points-of-interest association rules from geo-tagged photos." System Sciences (HICSS), 2013 46th Hawaii International Conference on. IEEE.

Luthfi, E.T. 2009. Penerapan Data Mining Algoritma Asosiasi untuk Meningkatkan Penjualan. Jurnal DASI, vol. 10, no. 1, 1 Maret 2009.

Saraee, Mohamad, Shafiullah Khan, and Sertan Yamaner. 2005. "Data mining approach to implement a recommendation system for electronic tour guides." Proceedings of The 2005 International Conference on E-Business, Enterprise Information Systems, EGovernment, and Outsourcing, EEE 2005, Las Vegas, Nevada, USA, June 20-23, 2005. CSREA Press.

WEKA. 2014. Diakses secara online di http://www.cs.waikato.ac.nz/ml/weka/ pada tanggal 23 Desember 2014.




DOI: https://doi.org/10.22219/sentra.v0i1.2050

Refbacks

  • There are currently no refbacks.


Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang, 65144