Menu

Mode Gelap
Universitas Nusa Mandiri Raih Klasterisasi Utama: Pengakuan atas Kinerja Penelitian dan Pengabdian kepada Masyarakat UNM Beri Penghargaan Inovasi Pada Mahasiswa dan Alumni Berprestasi UNM Terima Penghargaan Apresiasi Penggabungan Perguruan Tinggi Tahun 2021 Manfaat Teknologi Untuk Ketahui Kepribadian dan Kecerdasan Pada Anak Sarah, Mahasiswa UNM yang Aktif Kuliah Sambil Berbisnis UNM Gelar Pembekalan Internal Program Kampus Mengajar Angkatan 3 Tahun 2022

Artikel Ilmiah

Tentukan Destinasi Wisata Unggulan Berdasarkan Online Reviews Tripadvisor

badge-check

Oleh: Syarah Seimahuira

NusamandiriNews–Sektor pariwisata mampu menjadi pendorong utama dalam perekonomian dunia dengan berbagai keuntungan. Keuntungan tersebut diantaranya menambah devisa negara, dan bisa memberikan peluang lapangan pekerjaan. Kedatangan wisatawan Internasional di Indonesia, tumbuh 5% pada 2018 hingga mencapai angka 1,4 miliar. Angka tersebut melampaui perkiraan dari World Tourism Organization.

Kenaikan tersebut dipengaruhi oleh berbagai negara khususnya benua Asia yang mampu menyumbang hingga lebih dari 7% dari total ekspor dunia atau setara dengan US$ 435 milyar, seperti mengutip lama UNTWO pada 2019. Hal tersebut membuktikan, industri di bidang pariwisata memiliki peluang sangat besar untuk tumbuh.

Baca juga: Penerapan Machine Learning Bisa Tingkatkan Keberhasilan Pengobatan Immunotherapy

Tingginya minat dalam bidang pariwisata, mampu meningkatkan kebutuhan informasi, sehingga mendorong penyedia layanan untuk mengembangkan teknologi baru, guna mengolah data dan memberikan informasi secara mudah dan cepat, salah satunya dengan TripAdvisor.

Pengguna layanan TripAdvisor memiliki fitur, dimana pengunjung memungkinkan memberi online review berupa rating bagi tempat wisata yang pernah mereka kunjungi. Dengan penerapan data mining, banyaknya data skala yang masuk, dapat dikelola dengan relatif cepat sehingga mudah dalam menemukan informasi.

Berdasarkan pengujian yang dilakukan oleh dosen Universitas Nusa Mandiri (UNM) menggunakan metode clustering, dengan menerapkan algoritma K-Means, mampu mengelompokkan data rating pengguna layanan dengan baik. Hal tersebut dibuktikan dengan nilai Davies-Bouldin Index yang bernilai 0.134 serta dapat membatu dalam mengambil keputusan selanjutnya untuk mengembangkan destinasi unggulan tersebut.

Baca juga: Ukur Kualitas Pelayanan Jaringan Komputer Dengan Penerapan VRRP Pada Perusahaan

Sehingga dapat diketahui destinasi unggulan berdasarkan cluster pada C1 yakni picnic/parks spot (PS) = 3.177, religion institution (RI) = 2.925, beach (BC) = 2.854, resorts (RE) = 1.625, dan theaters (TH) = 1.597.

Maka dapat disimpulkan bahwa penerapan data mining pada data TripAdvisor, bisa memberikan informasi wisata dan menghasilkan pengetahuan baru terkait destinasi unggulan berdasarkan nilai cluster yang didapatkan pada implementasi di simulator Rapid Miner.

Penelitian ini menjadi tolak ukur terkait pengelolaan pemasaran dan pengiklanan destinasi yang paling unggul di kawasan Asia Timur dan diperoleh destinasi terbaik di kawasan Asia Timur dengan ranking tertinggi. Berdasarkan hasil tersebut, tempat wisata paling populer yaitu tempat piknik atau taman, tempat wisata religi, pantai, resorts dan bioskop. (UMF)

Facebook Comments Box

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Baca Lainnya

Gelar Saja Tak Cukup, UNM Siapkan Skill 10 Tahun ke Depan

4 Februari 2026 - 11:36 WIB

10 Skill Paling Dibutuhkan 10 Tahun ke Depan

Ingin Berkarier di Profesi Paling Dibutuhkan 2025–2030?

3 Februari 2026 - 11:40 WIB

Sains Data UNM, Jawaban Tantangan Dunia Kerja

IPK Biasa Tak Jadi Penghalang, Ini Tips Bangun Personal Branding Mahasiswa Entrepreneur

29 Januari 2026 - 12:04 WIB

Beberapa Tips Membangun Personal Branding

Nunggu Lulus Baru Cari Duit? Ini 7 Peluang Bisnis Gen Z ala Kampus Digital Bisnis UNM

13 Januari 2026 - 16:30 WIB

Peluang Bisnis Bagi Gen Z

Pustakawan Universitas Nusa Mandiri Soroti Bahaya Konten AI dan Deepfake

7 Januari 2026 - 12:40 WIB

Kecepatan dan Skala Produksi Konten
Sedang Tren di Artikel Ilmiah