p-ISSN: 2301-5373

e-ISSN: 2654-5101

Jurnal Elektronik Ilmu Komputer Udayana

Volume 10, No 2. November 2021

Sistem Rekomendasi Tempat Wisata Menggunakan Algoritma Cheapest Insertion Heuristic Dan Naïve Bayes

Ida Bagus Gede Dwidasmara a1, I Gusti Ngurah Agung Widiaksa Putra a2, I Made Widiartha a3, I Wayan Santiyasaa4, Ida Bagus Made Mahendra a5, A. A. I. N. Eka Karyawati a6.

aProgram Studi Informatika, Universitas Udayana

Bali, Indonesia

Abstrak

Bali merupakan salah satu daerah pariwisata terbaik di Indonesia, terbukti pada tahun 2016 Bali menerima sejumlah penghargaan pada TripAdvisor Travellers Choice Award dalam lingkup global dan Asia. Namun adanya wabah virus Corona dari tahun 2019, menyebabkan sektor pariwisata di bali menjadi menurun, dengan demikian dibutuhkan solusi untuk memulihakan sektor pariwisata yang ada di bali, dimana salah satu solusinya adalah dengan mengangkat wisata budaya dengan lebih maksimal, sebagai daya tarik utama destinasi wisata di bali. Maka penulis mengajukan Sistem Rekomendasi wisata, yang bertujuan untuk merekomendasikan tempat wisata yang sesuai dengan wisatawan, yang dalam sistem rekomendasi ini direkomendasikan juga destinasi wisata budaya yang langsung direkomendasikan oleh masyarakat, dan terdapat juga pemetaan tempat wisata sebagai bagian dari sistem rekomendasi wisata, pemetaan tempat wisata umum dan tempat wisata budaya . Pada sistem rekomendasi wisata ini, menggunkaan Algoritma Naïve Bayes untuk merekomendasikan destinasi wisata umum berdasarkan motivasi personal wisatawan, yang berdasarkan atribut umur, jenis kelamin, minat alam, minat buatan, minat budaya wisatawan, dengan menggunakan 200 data training yang terdiri dari 14 class tempat wisata . Selain itu sistem rekomendasi wisata ini dilengkapi dengan rekomendasi perutean tempat wisata menggunakan Algoritma Cheapest Insertion Heuristic, untuk mengatur list rute tempat wisata

Kata Kunci : Sistem Rekomendasi, Algoritma Naïve Bayes, Algoritma Cheapest Insertion Heuristi, Motivasi Personal, Pemetaan Tempat. .

  • 1.    Latar Belakang

Bali merupakan salah satu daerah pariwisata terbaik di Indonesia, terbukti pada tahun 2016 Bali menerima sejumlah penghargaan pada TripAdvisor Travellers Choice Award dalam lingkup global dan Asia . Namun sejak akhir tahun 2019, terdapat wabah yang membuat perekonomian, khususnya sektor pariwisata di seluruh dunia jatuh, yaitu wabah virus Corona. Virus Corona sangat berdampak buruk bagi industri pariwisata di bali, karena kedatangan wisatawan menurun, yang seiring menurunnya kedatangan wisatawan, berdampak menurunnya penghasilan pekerja wisata di bali . Solusi yang penulis rekomendasikan berupa pemanfaatan teknologi untuk pemulihan wisata, yaitu ”SISTEM REKOMENDASI TEMPAT WISATA MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN NAÏVE BAYES”. Dalam sistem ini tujuan utamanya adalah mempromosikan wisata budaya, dengan cara wisata umum sebagai daya tariknya, karena sejauh ini wisata budaya kurang dipromosikan di bali. Bali merupakan pulau yang kaya akan budayanya yang pastinya sangat berpotensi untuk memulihkan sektor pariwisata jika budaya bali lebih maksimal dipromosikan pada wisatawan.

Sistem rekomendasi wisata sudah banyak dikembangkan untuk saat ini, Berdasarakan penelitian skripsi “Rancang Bangun Sistem Rekomendasi Rencana Perjalanan Wisata di Bali Menggunakan Metode Analytic Hierarchy Process dan Algoritma Cheapest Insertion Heuristic”, yang dilaksanakan oleh Susanto (2018), Teknik Informatika, Universitas Udayana . Dihasilkan

sistem rekomendasi wisata yang menggunakan algoritma Analytic Hierarchy Process untuk memberikan rekomendasi wisata umum pada wisatawan dengan menggunakan 4 parameter yaitu, durasi menuju destinasi, harga, tiket, rating dan keramaian. Selain menggunakan algoritma Analytic Hierarchy Process penelitian ini juga menggunakan algoritma Cheapest Insertion Heuristic dengan parameter waktu dan budget, sebagai algoritma perutean tempat wisata (Susanto, 2018).

Berdasarkan penelitian sistem rekomendasi yang telah dilakukan sebelumnya. Dengan tujuan untuk membangkitkan wisata bali setelah Corona, maka penulis mengajukan SISTEM REKOMENDASI TEMPAT WISATA MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN NAÏVE BAYES. Dimana penelitian ini menghasilkan sistem yang memiliki fitur utama Sistem Informasi Geografis yang bertujuan untuk memetakan rekomendasi wisata umum dan budaya, dengan informasi yang diberikan adalah lokasi wisata umum dan budaya dengan warna map marker yang berbeda, selain itu informasi jumlah kunjungan wisatawan di masing masing map marker tempat wisata. Dihasilkan juga sistem rekomendasi wisata umum menggunakan algoritma Naïve Bayes berdasarkan data motivasi personal wisatawan yang berupa umur, jenis kelamin, jenis minat wisata alam, jenis minat wisata budaya, jenis minat wisata buatan. Selain itu dihasilkan sistem rekomendasi wisata menggunakan algoritma Cheapest Insertion Heuristic, dengan algoritma ini sistem dapat merekomendasikan urutan rute perjalanan berdasarkan data yang telah dipesan oleh wisatawan. Dengan fitur utama aplikasi tersebut, wisatawan diharapkan dapat dengan nyaman berwisata kebali, terutama ke tempat wisata budaya, dengan demikian diharapkan industri pariwisata bali dapat pulih kembali.

  • 2.    Metode Penelitian

    • 2.1.    Kajian Pustaka

Pengertian Algoritma Naive Bayes

Naïve Bayes Classifier merupakan sebuah metode klasifikasi yang berakar pada teorema Bayes . Metode pengklasifikasian dengan menggunakan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai Teorema Bayes. Ciri utama dari Naïve Bayes Classifier ini adalah asumsi yg sangat kuat (naïf) akan independensi dari masing-masing kondisi / kejadian. Naive Bayes Classifier bekerja sangat baik dibanding dengan model classifier lainnya. Hal ini dibuktikan oleh Xhemali , Hinde, Stone (2009) dalam jurnalnya “Naïve Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages” mengatakan bahwa “Naïve Bayes Classifier memiliki tingkat akurasi yg lebih baik dibanding model classifier lainnya”( Xhemali et al, 2009). Keuntungan penggunaannya bahwa metode ini hanya membutuhkan jumlah data pelatihan yang kecil untuk menentukan estimasi parameter yg diperlukan dalam proses pengklasifikasian. Karena diasumsikan sebagai variabel independen, maka hanya varians dari suatu variabel dalam sebuah kelas yang dibutuhkan untuk menentukan klasifikasi. Selain itu jurnal ilmiah yang mendasarkan pada penelitian Naïve Bayes adalah penelitian [2], dalam penelitian ini Algoritma Naïve Bayes digunakan untuk merekomendasikan lokasi makananan tradisional, dan algoritma Naïve Bayes dianggap sebagai algoritma yang efisien, sederhana dan efektif (Pratama dkk, 2018).


(1)

Keterangan :

X : Data dengan class yang belum diketahui

H : Hipotesis data merupakan suatu class spesifik

P(H|X) : Probabilitas hipotesis berdasar kondisi (posteriori probability)

P(H) : Probabilitas hipotesis (prior probability)

P(X|H) : Probabilitas berdasarkan kondisi pada hipotesis

P(X) : Probabilitas H

Dalam algoritma Naïve Bayes, kita juga membutuhkan metode Laplacian Correction.

Laplacian Correction

Laplace Correction adalah teknik yang digunakan untuk menyiasati supaya probabilitas pada perhitungan Naïve Bayes Classifier tidak menghasilkan nilai 0 dikarenakan tidak adanya data untuk kategori tertentu dalam suatu Class, persamaan dan contoh dari metode Laplace Correction sebagai berikut :

Pi —


rn1±l n+⅛


(2)


Algoritma Cheapest Insertion Heuristic (CIH)

Algoritma Cheapest Insertion Heuristic adalah algoritma yang membentuk suatu tour dengan membuat rute jalur terpendek dengan bobot minimal dan secara berturut-turut ditambah dengan tempat baru. Pemilihan titik baru tersebut dilakukan bersamaan dengan pemilihan sisi sehingga didapatkan nilai penyisipan minimum. Selanjutnya tempat baru tersebut disisipkan di antara dua tempat yang membentuk sisi yang telah terpilih. Algoritma ini memberikan solusi yang cukup baik karena untuk proses seleksi tempat yang akan disisipkan, dilakukan pada setiap tempat di luar tour dan setiap sisi di dalam tour.

Pemecahan masalah TSP untuk perutean pada penelitian ini yang menggunakan algoritma CIH(Cheapest Insertion Heuristic) didasari pada beberapa jurnal penelitian, salah satunya adalah tugas akhir [1] , dalam penelitian tersebut terdapat metode CIH yang kegunaannya untuk membuat perutean wisata berdasarkan parameter waktu dan biaya, dalam artian penggunaan metode CIH pada penelitian, penulis terinspirasi dari Tugas Akhir (Susanto, 2018).

Adapun contoh dan persamaan dari Algoritma Cheapest Insertion Heuristic sebagai berikut

Cjk = Cik + Cjk – Cij            (3)

Keterangan :

  • 1. Cik adalah jarak dari kota i ke kota k

  • 2. Ckj adalah jarak dari kota k ke kota j

  • 3.    Cij adalah jarak dari kota i ke kota j

  • 4.    Ulangi langkah 4 sampai seluruh kota masuk dalam subtour sehingga algoritma di hentikan.

Sistem Informasi Geografis (SIG/GIS)

Sistem Informasi Geografis (SIG/GIS) adalah sistem informasi yang mengelola data yang memiliki informasi spasial, atau sistem komputer yang memiliki kemampuan untuk membangun, menyimpan, mengelola dan menampilkan informasi berefrensi geografis. Teknologi Sistem Informasi Geografis dapat digunakan untuk investigasi ilmiah, pengelolaan sumber daya, perencanaan pembangunan, kartografi dan perencanaan rute.

Sistem Informasi Geografis merupakan sistem informasi berbasis komputer yang digunakan untuk mengolah dan menyimpan data atau informasi geografis (Aronoff, 1989). SIG merupakan alat yang bermanfaat untuk pengumpulan, penimbunan, pengambilan kembali data yang diinginkan dan penayangan data keruangan yang berasal dari kenyataan dunia (Barrough, 1986) .

Dalam implementasi Sistem Informasi Geografis penulis terinspirasi dari beberapa penelitian yang sudah dilakukan, seperti penelitian [3], ini merupakan jurnal yang disusun oleh Annugerah, Astuti, Kridalaksana (2016) . [4] , ini merupakan jurnal yang disusun oleh Lesmana, Purnawan, Sukarsa (2014). [5], ini merupakan skripsi yang disusun oleh Sedana (2018).

  • 2.2.    Perancangan Aplikasi Use Case Diagram

    Melakukan Update Password

    Melakukan Registrasi

    User

    <<     >>

    <<extend>>

    <<extend>>

    <<include>>

    Menampilkan halaman Rekomendasi Wisata Budaya

    Menampilkan rekomendasi tempat wisata budaya


    <<include>>


    elakukan booking tempat wisata atau encari tempat wisata


    Menampilkan lokasi koordinat Maps tempat wisata


    Menampilkan identitas penyedia tempat wisata



    <<include>>


    Menampilkan urutan data yang sudah dibooking


    <<extend>>

    <<extend>>

    <<ex   >>

    <<    d>>

    Menampilkan

    Detail tempat isata

    <<extend>>


    Melakukan penentuan lokasi khir tempat wisata


    <<include>>

    <<extend>>

    Menampilkan halaman Booking

    elakukan delete seluruh tempat wisata atau Melakukan cancel salah satu tempat wisata

    <<     >>

    <<extend>>

    <<extend>>

    Menampilkan rute perjalanan dari google maps

    Menampilkan perbaiki    <<include>>

    rute, untuk perutean

    <<extend>>

    <<include>>

    <<extend>>

    <<extend>>

    Menampilkan halaman Identitas User



    <<extend>>


    Menampilkan identitas penyedia tempat wisata


    <<extend>>


    Menampilkan Detail tempat wisata


    Menampilkan informasi jumlah kunjungan saat ini tend>>      pada pupup di setiap

    marker tempat wisata


    d>>


    enampilkan halaman

    Booking untuk memperbaiki rute


    Menampilkan simpan,                      Menampilkan halaman

    ntuk kehalaman simpan     <<include>>     simpan, untuk menyimpan

    salah satu tempat wisata, untuk dijadikan data training



    Menampilkan Identitas user


    <<extend>> ■' Menamnilkan Detail

    Menampilkan Detail tempat wisata


    Menampilkan lokasi koordinat Maps tempat wisata


    <<extend>>


    Menampilkan dmin

    <<include>>

    elakukan Logout


    Melakukan booking tempat wisata dari setiap popup tempat wisata

    <<extend>>


    Menampilkan informasi jumlah wisata umum dan jumlah wisata buatan


    Menampilkan identitas penyedia tempat wisata


    Menyimpan salah satu tempat


    Menampilkan informasi email admin


    Melakukan update user


    Menampilkan informasi jumlah kunjungan saat ini pada pupup di setiap marker tempat wisata


    Gambar 1. Use Case Diagram User Wisatawan


    <<extend>>

    <<extend>>

    halaman form tambahkan

    Menampilkan list tempat wisata, milik semua penyedia

    Melakukan egistrasi atau login

    tempat wisat

    <<include>>

    <extend>>

    << tend>>

    elakukan logout


    <<extend>>


    pilkan lokasi tempat wisata


    ζMelakukan Update Password


    <<extend>>


    <<extend>>

    halaman detail

    <<extend>>

    monitoring tempat wisata

    Mencari tempat wisata

    halaman

    penyedia1    Menampilkan

    Menampilkan identitas penyedia tempat wisata

    <<    d>>

    <     >>

    <     >>

    < xtend>>

    >>

    <<

    Melakukan update data tempat wisata

    Mencari tempat wisat

    enampilkan    wisatawan

    halaman penyedia2

    <<extend>>

    <<include>>

    <<extend>

    Menampilkan

    empat wisat

    halaman tambahkan m

    tempat wisata, milik user, yang belum disetujui


    empat wisata, milik ser, yang sudah disetujui


    <extend>>


    Gambar 2. Use Case Diagram User Penyedia Wisata



    Activity Diagram


    Gambar 3. Use Case Diagram User Admin


    Menampilkan Rekomendasi Wisata Umum Berdasarkan Algoritma Naive Bayes


    User Wisatawan


    System Rekomendasi

    Wisata Umum


    Program Pengolahan Algoritma Naive Bayes


    Database



    Memanggil Data Wisatawan pada Tabel penyedia_dan_wis ata



    Dengan keypraha1 system dapat mendapatkan data umur, jenis kelamin, minat alam, minat buatan, minat budaya pada user terkait saat


    Data motivasi personal user diolah menggunakan algoritma Naive Bayes bersama dengan data training, data tempat wisata, data



    Menghasilkan Rekomendasi

    Wisata Umum berdasarkan motivasi personal, menggunakan algoritma Naive Bayes


    Memanggil Data Training pada Tabel_data_trainin g


    Memanggil Data Tempat Wisata pada Tabel Tempat_Wisata


    Gambar 4. Implementasi algoritma Naïve Bayes



Gambar 5. Implementasi algoritma CIH

  • 3.    Hasil dan Pembahasan

Bagian hasil dan pembahasan menjelaskan implementasi dan pengujian dari aplikasi yang telah dibuat. Penjelasan lanjut untuk setiap bagiannya dijabarkan sebagai berikut,

  • 3.1    Implementasi Aplikasi

Bagian ini menjelaskan hasil dari implementasi aplikasi yang diberikan melalui penjelasan dan screenshot hasil program. Untuk setiap bagian isinya adalah sebagai berikut,

Antar muka Sistem Rekomendasi Tempat Wisata Menggunakan Algoritma Cheapest Insertion Heuristic Dan Naïve Bayes ini terdiri dari 3 jenis tampilan yang memiliki antarmuka yang berbeda yaitu user wisatawan, user penyedia wisata, user admin.

  • 1    Halaman Rekomendasi Wisata Umum


Gambar 6. Halaman Rekomendasi Wisata Umum



Gambar 7. Halaman Detail Tempat Wisata Umum

  • 2    Halaman Rekomendasi Wisata Budaya


Gambar 8. Halaman Rekomendasi Wisata Budaya



Gambar 9. Halaman Detail Tempat Wisata Budaya

3 Halaman Rute dan Simpan

Gambar 10.Halaman Rekomendasi Perutean Bookingan.


Gambar 11.Halaman Simpan Training.


Gambar 12.Halaman Maps Rute.


  • 4    Pemetaan Wisata.



Gambar 13.Halaman Pemetaan Tempat Wisata.

Gambar 14.Popup Jumlah Pemetaan Tempat Wisata

Gambar 15.Popup Jumlah Kunjungan Pemetaan Tempat Wisata.


Gambar 16.Halaman Detail Pemetaan

Tempat Wisata.


  • 5    Halaman Tambahkan Wisata


Gambar 17. Halaman Tambahkan Koordinat Tempat Wisata.




Gambar 18. Halaman Tambahkan Tempat Wisata.

6 Halaman Tempat Wisata



Gambar 19. Halaman Monitoring Tempat Wisata.



Gambar 20. Halaman Detail Monitoring Tempat Wisata.

  • 7.    Halaman User Wisata

Gambar 22. Halaman Detail Monitoring Akun User

  • 3. 2. Pengujian Aplikasi

    Pengujian Algoritma Naïve Bayes.

Pada pengujian ini, bertujuan untuk menguji akurasi dari implementasi algoritma Naïve Bayes yang di implementasikan kedalam bentuk source code PHP. Metode pengujiannya dengan menggunakan metode Split Validation, dimana data training 180 data dan data testing 20 data, diuji menggunakan perhitungan Confunction Matrix Multi-Class . Pada pengujian ini penulis menggunakan 200 data, yang terdiri dari 14 class.

Berikut merupakan perhitungan Confunction Matrix Multi-Class dari data output Aplikasi Rekomendasi Wisata, dengan pembagian data training berjumlah 180 data dan data testing berjumlah 20 data :

Tabel 1. Variabel Class Proses Confunction Matrix Multi-Class

CLASS

PK = Pantai Kuta

PD = Pantai Pandawa

G = GWK

TL = Tanah Lot

B = Bedugul

TA = Taman Ayun

S = Sangeh

PS = Pantai Sanur

TS = Tampak Siring

GB = Gunung Batur PU = Pura Uluwatu J = Joger K = Krisna

PJ = Pantai Jimbaran

Tabel 2. Proses Confunction Matrix Multi-Class

Prediksi

Aktual

PK

PD

G

TL

B

TA

S

PS

S

GB

PU

J

K

PJ

PK

PD

1

1

1

G

1

TL

2

2

B

3

1

TA

1

S

PS

1

TS

GB

2

PU

1

J

1

1

K

1

PJ

Dari perhitungan Confunction Matrix dengan metode Split Validation, dihasilkan jumlah TP = 12, dari 20 data yang digunakan sebagai data testing, dihasilkan akurasi dengan rumus :

TP/Jumlah Data                       (8)

Dengan rumus tersebut dihasilkan akurasi 60%, pada pengujian implementasi algoritma naïve bayes. Pada pengujian ini digunakan data training 90% dan data testing 10%, dari 200 data.

Pengujian Algoritma Cheapest Insertion Heuristic.

Pada pengujian ini penulis menguji algoritma Cheapest Insertion Heuristic dengan cara membandingkan hasil perhitungan manual dengan hasil perhitungan  aplikasi, dengan

menggunakan studi kasus berdasarkan class yang digunakan pada algoritma naïve bayes yang terdiri dari 15 class tempat wisata, Pada studi kasus ini, didapatkan hasil perhitungan manual :

1-3-4-12-5-8-6-11-10-7-2-13-9-14-15-1

Dalam pengurutan tempat wisata dihasilkan

Tabel 3. Hasil perngurutan CIH

Manual

  • 1.    Perum.Pesraman unud

  • 3.    Pantai Pandawa

  • 4.    Garuda Wisnu Kencana

  • 12.    Pura Uluwatu

  • 5.    Tanah Lot

  • 8.    Sangeh

  • 6.    Bedugul

  • 11.    Gunung Batur

  • 10.    Tampak Siring

  • 7.    Taman Ayun

  • 2.    Pantai Kuta

  • 13.    Joger

  • 9.    Pantai Sanur

  • 14.    Krisna

  • 15.    Pantai Jimbaran

  • 1.    Perum.Pesraman unud

Gambar 23. Hasil pengurutan CIH Aplikasi

Jadi dapat disimpulkan algoritma Cheapest Insertion Heuristic sebagai rekomendasi rute, berhasil diimplementasikan pada aplikasi.

  • 4. Kesimpulan

Simpulan yang dapat diambil dari penelitian ini yaitu :

  • 1.    Sistem rekomendasi wisata menggunakan algoritma Naivebayes diimpementasikan dengan akurasi 60%, dengan menggunakan metode pengujian split validation, data training yang digunakan berjumlah 200 data, dengan data training berjumlah 180 data dan data testing berjumlah 20 data.

  • 2.    Sistem perutean wisata bersahasil diimplementasikan menggunakan algoritma Cheapest Insertion Heuristic, pengujiannya dilakukan dengan cara mebandingkan hasil perhitungan manual dengan hasil perhitungan implementasi code PHP pada aplikasi, menggunakan studi kasus 15 tempat wisata, dihasilkan perhitungan manual dengan perhitungan implementasi code PHP dengan hasil yang sesuai.

Referensi

  • [1]    Susanto, A .RANCANG BANGUN SISTEM REKOMENDASI RENCANA PERJALANAN WISATA DI BALI MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS DAN ALGORITMA CHEAPEST INSERTION HEURISTIC

. Skripsi. Bukit Jimbaran . 2018.

  • [2]    Pratama, N.D., Sari, Y.A., Adikara, P.P . Analisis Sentimen Pada Review Konsumen Menggunakan Metode Naive Bayes Dengan Seleksi Fitur Chi Square Untuk Rekomendasi Lokasi Makanan Tradisional . Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer . 2018.

  • [3]    Annugerah, A., Astuti, I.F., Kridalaksana, A.H . Sistem Informasi Geografis Berbasis Web Pemetaan Lokasi Toko Oleh-Oleh Khas Samarinda . Jurnal Infomatika Mulawarman . 2016.

  • [4]   Lesmana, Purnawan, Sukarsa . Aplikasi Sistem Informasi Geografis Tempat Usaha di

Wilayah Denpasar Berbasis Mobile Android . MERPATI . 2014.

  • [5]   Sedana . Sistem Informasi Geografis Berbasis Mobile Untuk Penentuan Jalur Evakuasi

Terpendek Pada Rumah Sakit Sanglah Menggunakan Algoritma A* . Skripsi . 2018.

238