Multi Time Steps Prediction dengan Recurrent Neural Network Long Short Term Memory
DOI:
https://doi.org/10.30812/matrik.v18i1.344Keywords:
Sequance to sequance analysis, Recurrent Neural Network, Prediction, Time Series, Tourist ArrivalsAbstract
Tidak tersedianya sumber daya alam seperti migas, hasil hutan ataupun industri manufaktur yang berskala besar di pulau Lombok menyebabkan pariwisata telah menjadi sektor andalan dalam pembangunan daerah. Kontribusi sektor pariwisata menunjukkan trend yang semakin meningkat dari tahun ke tahun. Dampak positif pengeluaran wisatawan terhadap perekonomian terdistribusikan ke berbagai sektor. Akan tetapi, pemerinatah daerah umumnya akan melakukan persiapan wisata daerah hanya pada saat even lokal saja. Padahal kunjungan wisatawan bukan hanya karena faktor adanya event lokal saja. Persiapan pemerintah daerah dan pelaku wisata sangat penting untuk meningkatkan stabilitas kunjungan wisatawan. Penelitian ini mengkaji prediksi kunjungan wisatawan dengan pendekatan Recurrent Neural Network Long Short Term Memory (RNN LSTM). LSTM berisi informasi di luar aliran normal dari recurrent nertwork dalam gate cell. Cell membuat keputusan tentang apa yang harus disimpan dan kapan mengizinkan pembacaan, penulisan dan penghapusan, melalui gate yang terbuka dan tertutup. Gate menyampaikan informasi berdasarkan kekuatan yang masuk ke dalamnya dan akan difilter menjadi bobot dari gate itu sendiri. Bobot tersebut sama seperti bobot input dan hidden unit yang disesuaikan melalui proses leraning pada recurrent network. Hasil penelitian yang dilakukan dengan membangun model prediksi kunjungan wisatawan dengan RNN LSTM menggunakan multi time steps mendapatkan hasil RMSE sebesar 6888.37 pada data training dan 14684.33 pada data testing.
Downloads
References
[3] L. P. W. Adnyani and Subanar, “General Regression Neural Network ( GRNN ) Pada Peramalan Kurs Dolar Dan Indeks Harga Saham Gabungan ( IHSG),†Factor Exacta, vol. 8, no. 2, pp. 137–144, 2015
[4] E. Munarsih, “PENERAPAN MODEL ARIMA-NEURAL NETWORK HYBRID UNTUK PERAMALAN TIME SERIES,†Unversitas Gadjah Mada, 2011
[5] S. H. Ahmad Ashril Rizal, “Prediksi kunjungan wisatawan dengan recurrent neural network extended kalman filter,†Ilmu Komputer, Udayana, vol. I, no. June, p. 1, 2017
[6] A. Rumagit, S.E., “Prediksi Pemakaian Listrik Menggunakan Jaringan Syaraf Tiruan dan ARIMA di Wilayah Sullutenggo,†IndoCEISS, vol. 7, no. 2, pp. 139–148, 2013
[7] L. A. D. Susanti, A. Fariza, and Setiawardhana, “Peramalan Harga Saham Menggunakan Recurrent Neural Network Dengan Algoritma Backpropagation Through Time,†PENS-ITS, no. January, pp. 1–8, 2011
[8] T. Rahmawati, “Perancangan Augmented Reality Volcano untuk Alat Peraga Museum,†Teknomatika, vol. 5, pp. 1–11, 2013
[9] J. A. Pérez-Ortiz, J. Calera-Rubio, and M. L. Forcada, “Online text prediction with recurrent neural networks,†Neural Process. Lett., vol. 14, no. 2, pp. 127–140, 2001
[10] T. G. Barbounis and J. B. Theocharis, “Locally recurrent neural networks for wind speed prediction using spatial correlation,†Inf. Sci. (Ny)., vol. 177, no. 24, pp. 5775–5797, 2007
[11] L. Zhang and P. B. Luh, “Neural network-based market clearing price prediction and confidence interval estimation with an improved extended Kalman filter method,†IEEE Trans. Power Syst., vol. 20, no. 1, pp. 59–66, 2005
[12] R. Adnan, F. A. Ruslan, A. M. Samad, and Z. M. Zain, “New Artificial Neural Network and Extended Kalman Filter hybrid model of flood prediction system,†Signal Process. its Appl. (CSPA), 2013 IEEE 9th Int. Colloq., pp. 252–257, 2013
[13] A. N. Chernodub, “Training Neural Networks for classification using the Extended Kalman Filter: A comparative study,†Opt. Mem. Neural Networks, vol. 23, no. 2, pp. 96–103, 2014
[14] N. Lestari et al., “Peramalan Kunjungan Wisata dengan Pendekatan Model SARIMA ( Studi kasus : Kusuma Agrowisata ),†vol. 1, no. 1, 2012. [15] A. A. Rizal and S. Hartati, “Recurrent neural network with Extended Kalman Filter for prediction of the number of tourist arrival in Lombok,†in 2016 International Conference on Informatics and Computing (ICIC), 2016, pp. 180–185.
Additional Files
Published
Issue
Section
How to Cite
Similar Articles
- Bobby Poerwanto, Fajriani Fajriani, Resilient Backpropagation Neural Network on Prediction of Poverty Levels in South Sulawesi , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- Vivin Nur Aziza, Utami Dyah Syafitri, Anwar Fitrianto, Optimizing Currency Circulation Forecasts in Indonesia: A Hybrid Prophet- Long Short Term Memory Model with Hyperparameter Tuning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- Muhammad Rizki, Arief Hermawan, Donny Avianto, Learning Accuracy with Particle Swarm Optimization for Music Genre Classification Using Recurrent Neural Networks , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 2 (2024)
- Sepyan Purnama Kristanto, Lutfi Hakim, Ekstraksi Informasi Destinasi Wisata Populer Jawa Timur Menggunakan Depth-First Crawling , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Arief Hermawan, Adityo Permana Wibowo, Akmal Setiawan Wijaya, The Improvement of Artificial Neural Network Accuracy Using Principle Component Analysis Approach , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Miftahus Sholihin, Mohd Farhan Bin Md. Fudzee, Lilik Anifah, A Novel CNN-Based Approach for Classification of Tomato Plant Diseases , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 3 (2025)
- Helna Wardhana, I Made Yadi Dharma, Khairan Marzuki, Ibjan Syarif Hidayatullah, Implementation of Neural Machine Translation in Translating from Indonesian to Sasak Language , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 2 (2024)
- Susandri Susandri, Ahmad Zamsuri, Nurliana Nasution, Yoyon Efendi, Hiba Basim Alwan, The Mitigating Overfitting in Sentiment Analysis Insights from CNN-LSTM Hybrid Models , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 2 (2025)
- Shinta Esabella, PERANCANGAN INFRASTRUKTUR JARINGAN KOMPUTER UNTUK MENDUKUNG IMPLEMENTASI SISTEM INFORMASI PADA UNIVERSITAS TEKNOLOGI SUMBAWA , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 16 No. 1 (2016)
- Didih Rizki Chandranegara, Faras Haidar Pratama, Sidiq Fajrianur, Moch Rizky Eka Putra, Zamah Sari, Automated Detection of Breast Cancer Histopathology Image Using Convolutional Neural Network and Transfer Learning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
You may also start an advanced similarity search for this article.
Most read articles by the same author(s)
- Ni Putu Nanik Hendayanti, Maulida Nurhidayati, Siti Soraya, Habib Ratu Perwira Negara, Community Purchase Decision Modeling in Bali with Non-Linier Methods , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)