Analisis Prediksi Jumlah Pengunjung Suncity Waterpark Sidoarjo Menggunakan Metode Regresi Linier Berganda
Abstract
Suncity Waterpark Sidoarjo is a leading destination in Sidoarjo that experiences visitor fluctuations due to seasonal and promotional factors. Accurate visitor prediction is essential for effective resource management, service quality, and planning. This study aims to analyze and predict daily visitor numbers using Multiple Linear Regression, and compares its performance with K-Nearest Neighbors (K-NN) and Decision Tree methods. The dataset consists of 212 daily records over a specific period, including key variables such as holidays, promotions, extracurricular events, and regular visitor numbers. The research process includes data collection, preprocessing, model development, and evaluation using Root Mean Square Error (RMSE). Results show that Multiple Linear Regression achieved the lowest RMSE value of 3.532, outperforming K-NN and Decision Tree. The findings conclude that Multiple Linear Regression is the most effective method for predicting visitor numbers.
Keywords: Data Mining; Tourism; Visitor Prediction; Multiple linear regression; Root Mean Square Error
Abstrak
Suncity Waterpark Sidoarjo merupakan destinasi unggulan di Sidoarjo yang mengalami fluktuasi pengunjung akibat faktor musiman dan promosi. Prediksi pengunjung yang akurat sangat penting untuk manajemen sumber daya, kualitas layanan, dan perencanaan yang efektif. Penelitian ini bertujuan untuk menganalisis dan memprediksi jumlah pengunjung harian menggunakan Regresi Linier Berganda, dan membandingkan kinerjanya dengan metode K-Nearest Neighbors (K-NN) dan Decision Tree. Dataset terdiri dari 212 catatan harian selama periode tertentu, termasuk variabel-variabel utama seperti hari libur, promosi, kegiatan ekstrakurikuler, dan jumlah pengunjung rutin. Proses penelitian meliputi pengumpulan data, praproses, pengembangan model, dan evaluasi menggunakan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa Regresi Linier Berganda mencapai nilai RMSE terendah sebesar 3,532, mengungguli K-NN dan Decision Tree. Temuan tersebut menyimpulkan bahwa Regresi Linier Berganda merupakan metode yang paling efektif untuk memprediksi jumlah pengunjung.
Keywords
References
E. A. Marlina, S. Nurdiani dan A. Khairunnisa, “Strategi Pengembangan Pariwisata Berbasis 4A Di Desa Harangggaol, Kabupaten Simalungun,” Jurnal Pariwisata Tawangmangu, vol. 1, no. 3, pp. 18-24, 2025.
Agnesia. B. Oktaviani dan E. Yuliani, “Dampak Pengembangan Pariwisata Terhadap Kondisi Ekonomi Masyarakat,” Jurnal Kajian Ruang, vol. 3, no. 1, pp. 1-17, 2023
Indra. M. Hasibuan, S. Mutthaqin, R. erianto dan I. Harahap, “Kontribusi Sektor Pariwisata Terhadap Perekonomi Nasional,” Jurnal Ekonomi dan Perbankan Syariah, vol. 8, no. 2, pp. 1177-1277, 2023.
S. Lailiyah, A. yusnita dan L. Hariri, “Prediksi Persediaan Bahan Baku Untuk Produksi Makanan Olahan "Sanggar Krispi" Menggunakan Metode Regresi Linear berganda,” Jurnal Sistem Informasi dan Sistem Komputer, vol. 8, no. 2, pp. 84-94, 2022.
E. D. Sri Mulyani, A. M. Sahrin, D. R. Pratama, D. R. Puspita, E. S. Pamungkas, L. F. Rahman dan M. Ali, “Estimasi Pertumbuhan Penduduk Di Kabupaten Tasikmalaya Menggunakan Metode Regresi Linear Berganda,” Infosys (Information System) Journal, vol. 6, no. 1, pp. 1-11, 2021.
H. D. Kesuma, D. Apriadi, H. Juliansa dan E. Etriyanti, “Implementasi Data Mining Prediksi Mahasiswa Baru Menggunakan Algoritma Regresi Linear Berganda,” Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya, vol. 4, no. 2, pp. 62-66, 2022.
M. Nanja dan H. Dalai, “Prediksi Jumlah Kunjungan Wisatawan Asing Menggunakan Algoritmal Linier Regresi Multivariet,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 4, pp. 1844-1853, 2021.
B. L. Karamoy, V. P. Rantung, S. Kumajas dan Y. F. Ratumbuisang, “Data Mining Estimasi Pendapatan Tempat Wisata Di Kota Tomohon Menggunakan Algoritma Regresi Linier Berganda,” Jurnal Teknik Informatika, vol. 5, no. 4, pp. 234-240, 2024.
T. Hermawan, Y. A. Mustofa dan K. C. Pelangi, “Sistem Prediksi Jumlah Wisatawan Di Lambangan Pauno Desa Kendek Menggunakan Metode Support Vector Machine,” Jurnal Banthayo Lo Komputer, vol. 3, no. 1, pp. 9-14, 2024.
Binsar. A. Manurung, A. Gea, A. P. Silalahi dan N. Samosir, “Penerapan Algoritma Regresi Linear Untuk Memprediksi Jumlah Wisatawan,” Jurnal Ilmiah Sistem Informasi, vol. 4, no. 1, pp. 1-9, 2024.
H. D. Kesuma, R. Yanto, alfiarini dan Ahmadi, “Penerapan Data Mining Prediksi Jumlah Wisatawan Menggunakan Algoritma Regresi Linear Berganda,” Jurnal Penelitian Ilmu dan Teknologi Komputer, vol. 16, no. 1, pp. 227-237, 2024.
D. Tampubolon, D. Saripurna dan A. , “Implementasi Regresi Linier Berganda Untuk Memprediksi,” Jurnal CyberTech, vol. 3, no. 1, pp. 176-185, 2020.
A. Anggara, K. Auliasari dan Y. A. Pranoto, “Metode Regresi Linier Berganda Untuk Prediksi Omset Penyewaan Kamera Di Joe Kamera,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 852-858, 2023.
M. Irsyad, S. Amelia dan Y. M. Ardi, “Prediksi Harga Ponsel Berdasarkan Spesifikasinya Menggunakan Algoritma Linear Regression,” Inti Nusa Mandiri, vol. 19, no. 2, pp. 251-258, 2025.
A. M. Sarah, B. Kurniadi dan E. Warsini, “Implementasi Metode Regresi Linear Dalam Memprediksi Penyakit Anemia Secara Dini,” Jurnal Teknologi Komputer dan Sistem Informasi, vol. 3, no. 1, pp. 14-23, 2023.
B. Pradito dan D. S. Purnia, “Komparasi Algoritma Linear Regression dan Neural Network untuk Memprediksi Nilai Kurs Mata Uang,” Evolusi: Jurnal Sains dan Manajemen, vol. 10, no. 2, pp. 64–71, 2022.
N. Utami, K. A. Baihaqi, E. E. Awal, dan D. Waiddin, “Analisis Kinerja Algoritma Decision Tree dan Random Forest dalam Klasifikasi Penyakit Kardiovaskular,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 2, pp. 970–980, 2024.
D. Anggraini dan A. Setiawan, “Evaluasi Performa Algoritma K-Nearest Neighbor dan Naive Bayes dalam Prediksi Harga,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 2, pp. 283–289, 2019.
How To Cite This :
Refbacks
- There are currently no refbacks.
