Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Tinting, Sema Oktaviani"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    ANALISA TEMPAT KUNJUNGAN WISATAWAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS PADA METODE K-MEANS
    (Program Studi S1 Informatika, 2025) Tinting, Sema Oktaviani; Ari Purno Wahyu Wibowo (Pembimbing)
    Pariwisata merupakan sektor penting yang menarik kunjungan wisatawan domestik maupun mancanegara melalui berbagai fasilitas dan promosi, termasuk penerapan e-tourism yang didukung oleh layanan data internet berkualitas. Dengan e-tourism, destinasi wisata yang kurang dikenal dapat lebih mudah diperkenalkan, sehingga meningkatkan jumlah kunjungan wisatawan. Penelitian ini bertujuan untuk menganalisis pola kunjungan wisatawan di Kalimantan Utara menggunakan metode Principal Component Analysis (PCA) untuk reduksi dimensi data, serta metode K-Means Clustering untuk pengelompokan kunjungan wisatawan berdasarkan jumlah kunjungan. Data yang digunakan diperoleh dari Badan Pusat Statistik Kalimantan Utara, Kementerian Pariwisata dan Ekonomi Kreatif, serta Perpustakaan Nasional, dengan periode pengamatan 2020–2022. Hasil analisis menunjukkan bahwa kunjungan wisatawan dapat dikelompokkan menjadi tiga klaster: tempat kunjungan dengan kategori baik, cukup baik, dan kurang baik. Penggunaan PCA berhasil mereduksi dimensi dataset menjadi dua komponen utama yang menjelaskan 87.84% total varians, sedangkan K-Means menghasilkan nilai Silhouette Score sebesar 0.736, menunjukkan kualitas clustering yang sangat baik. Kombinasi PCA dan K-Means memberikan hasil yang efektif dalam memahami pola kunjungan wisatawan di Kalimantan Utara.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback