Warning: Creating default object from empty value in /var/www/html/rbti/lib/lang/php-gettext/gettext.inc on line 148
Aplikasi Data Mining untuk Segmentasi dan Prediksi Karakteristik Wisatawan di Wilayah Malang dan Sekitarnya
 
 
 
Select Language
Simple Search
Advanced Search
Title : Author(s) :
  • SEARCHING...
Subject(s) :
  • SEARCHING...
Pembimbing : Publish Year : GMD : Collection Type :
RECORD DETAIL
Back To Previous  
Title Aplikasi Data Mining untuk Segmentasi dan Prediksi Karakteristik Wisatawan di Wilayah Malang dan Sekitarnya
Edition
Call Number 2009/I/18
ISBN/ISSN
Author(s) Dwitya Pranatya Adistyawan
Subject(s) Data Mining
Classification 006
Series Title
GMD Tugas Akhir
Language Indonesia
Publisher Jurusan Teknik Industri FTI-ITS
Publishing Year 2009
Publishing Place Surabaya
Collation
Abstract/Notes
Specific Detail Info Kota Malang telah terkenal sejak lama sebagai kawasan pariwisata di propinsi Jawa Timur. Wisatawan yang berkunjung bervariasi dan mempunyai berbagai perbedaan karakteristik, kebutuhan, keinginan dan tujuan dalam berlibur. Fenomena ini memicu penelitian mengenai segmentasi wisatawan mulai banyak dilakukan dan dikembangkan. Dengan mengetahui segmentasi wisatawan yang ada, diharapkan pelaku bisnis pariwisata mampu melayani target strategisnya yang sempit secara efektif dan efisien ketimbang pesaing yang bersaing lebih luas. Pada penelitian ini dilakukan dua tahapan, yaitu: segmentasi/labeling dan prediksi label/karakteristik wisatawan. Tahap segmentasi dilakukan dengan metode klastering yaitu hirarki dan K-means. Kemudian setelah wisatawan mempunyai label, dilakukan pengujian beberapa model untuk memprediksi label wisatawan antara lain K-Nearest Neighbours, dan Support Vector Machine Multi-Class. Setelah segmen wisatawan terbentuk, maka dapat dirumuskan strategi pemasaran yang tepat diterapkan untuk masing-masing segmen. Hasil dari Klastering adalah 3 buah segmen wisatawan. Yaitu : Active Rural Tourist (17%), Family Rural Tourist (62%) , dan relax rural tourist (21%). Hasil klastering yang dipakai adalah klastering dengan k-means karena performansi jumlah kuadrat error-nya (SSE) lebih kecil (1478,85) dibanding hasil dari klastering hirarki (1751,57). Hasil penerapan model prediksi yang paling sesuai adalah model SVM multi kelas polynomial. Strategi pemasaran yang diterapkan adalah strategi pemasaran yang berhubungan Product, Price, Place and Promotion. Kata kunci : Segmentasi Wisatawan, Clustering, K-Nearest Neighbours, Support Vector Machine, Tourism Management.
Image
File Attachment
LOADING LIST...
Pembimbing Stefanus Eko Wiratno, ST., MT
Volume 1
Availability
LOADING LIST...
  Back To Previous