Perbandingan Metode Extreme Learning Machine dan Multi-Layer Perceptron dengan Regresor pada Prediksi Jumlah Wisatawan Nusantara Candi Borobudur (Studi Kasus : Data Wisatawan Nusantara Candi Borobudur 2023)

Abstract

Candi Borobudur, salah satu destinasi wisata terkemuka di Indonesia, menarik hingga 3 juta wisatawan setiap tahunnya. Tingginya jumlah wisatawan tersebut, terutama saat hari libur, dapat mengakibatkan kerusakan pada struktur bangunan candi jika tidak dikelola dengan baik. PT TWC Borobudur, sebagai pengelola Candi Borobudur, mengimplementasikan regulasi baru untuk membatasi akses pengunjung ke bangunan candi guna mempertahankan kelestariannya. Untuk mengetahui dampak penerapan regulasi tersebut, perlu dilakukan peramalan dengan tujuan untuk memahami dampak regulasi pembatasan akses candi tersebut terhadap jumlah pengunjung. Penelitian ini menggunakan data kunjungan harian pengunjung ke Candi Borobudur dari Mei hingga Desember 2023, dan membandingkan metode peramalan antara Extreme Learning Machine (ELM) dan Multi-Layer Perceptron (MLP) dengan regresor. Hasilnya menunjukkan bahwa metode MLP memiliki MAPE (Mean Absolute Percentage Error) lebih rendah, yakni 15.38% dibandingkan dengan 17.41% dari ELM. Ini mengindikasikan keunggulan akurasi dalam meramalkan jumlah wisatawan nusantara Candi Borobudur. Model peramalan yang digunakan adalah model dengan 14 node pada input layer, 95 node pada hidden layer pertama dan 10 node pada hidden layer kedua, serta 1 node pada output layer.