Implementasi Data Mining Untuk Pengelompokan Kunjungan Wisata Di Kabupaten Mojokerto
Implementation of Data Mining for Grouping Tourist Visits in Mojokerto Regency
Dinas Kebudayaan, Olahraga dan Pariwisata kabupaten mojokerto menghadapi tantangan besar dalam mengelola dan mengolah data yang sangat banyak terkait tempat-tempat wisata di wilayahnya. Pengelolaan data yang kurang efektif dapat menghambat pengembangan strategi pariwisata yang komprehensif dan pemerataan kunjungan wisatawan di seluruh destinasi. Pada permasalahan ini membutuhkan solusi yang dapat mengoptimalkan proses pengolahan data sehingga dapat digunakan untuk bisa merumuskan kebijakan dan langkah pengembangan pariwisata yang tepat, meningkatkan daya tarik destinasi wisata, serta memastikan distribusi kunjungan yang lebih merata di seluruh tempat wisata di kabupaten Mojokerto. Untuk itu, penelitian ini memfokuskan pada pengembangan sistem pengelompokan kunjungan wisata menggunakan K-Means. Untuk proses pengoptimalan, metode elbow diterapkan untuk menentukan banyaknya sebuah klaster yang terbaik. Selanjutnya, pada analisis clustering dilakukan dengan proses metode Silhouette. Hasil penelitian memperlihatkan banyaknya klaster terbaik adalah 2 klaster dengan inisialisasi random dan inisialiasi kmeans++ sebanyak 14 kali uji coba. Hal ini ditunjukkan dengan nilai silhouette tertinggi sebesar 0.6817446298183374 dengan hasil klaster 1 sebanyak 37 antara lain wisata parimas waterpark , candi tikus, candi brahu sedangkan klaster 2 sebanyak 3 tempat wisata antara lain pemandian panas dan makam troloyo.
The Department of Culture, Sports and Tourism of Mojokerto Regency faces big challenges in managing and processing large amounts of data related to tourist attractions in its area. Ineffective data management can hinder the development of a comprehensive tourism strategy and equal distribution of tourist visits across destinations. This problem requires a solution that can optimize the data processing process so that it can be used to formulate appropriate tourism development policies and steps, increase the attractiveness of tourist destinations, and ensure a more even distribution of visits across all tourist attractions in Mojokerto district. For this reason, this research focuses on developing a system for grouping tourist visits using K-Means. For the optimization process, the elbow method is applied to determine the best number of clusters. Next, the clustering analysis was carried out using the Silhouette method process. The research results show that the best clusters are 2 clusters with random initialization and kmeans++ initialization 14 times. This is shown by the highest silhouette value of 0.6817446298183374 with cluster 1 results of 37 including Parimas waterpark, Tikus temple, Brahu temple while cluster 2 has 3 tourist attractions including hot springs and Troloyo tomb.