PREDIKSI KUNJUNGAN WISATAWAN DOMESTIK ABNORMAL DENGAN ADAPTIVE LIGHTGBM DAN DETEKSI ANOMALI Sri Redjeki, S.Si., M.Si., Ph.D Additional Author MILASARI, LISTIANA DEWI - 237110024 Primary Author mixed material bibliography Yogyakarta UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI) 2026 monographic id Indonesia

Thesis

002 MTI 2024 Sektor pariwisata Indonesia menghadapi fluktuasi signifikan dalam kunjungan wisatawan. Penelitian ini mengembangkan model Adaptive LightGBM with Anomaly Detection and Multi-Task Learning (ALAD-MTL) untuk memprediksi kunjungan wisatawan domestik tahunan dan mengidentifikasi pola kunjungan yang tidak normal. Model ini mengintegrasikan data multi-domain, termasuk data statistik dan sentimen dari Twitter yang diekstrak menggunakan model RoBERTa berbahasa Indonesia. Hasil evaluasi menunjukkan model mencapai R-squared tinggi (>0.96) dan MAPE yang kompetitif, mengindikasikan kemampuan prediksi yang kuat untuk pola kunjungan reguler. Pada saat yang sama, modul deteksi anomali berhasil mengidentifikasi lonjakan kunjungan signifikan di Jawa Timur pada tahun 2024, ditandai dengan Residual Z-Score ekstrem sekitar 38. Hal ini menunjukkan model efektif dalam mendeteksi dan menandai anomali yang melebihi prediksi. Integrasi data multi-domain dan sentimen media sosial terbukti krusial dalam menjelaskan anomali ini. Penelitian ini menyediakan kerangka kerja prediktif dan deteksi anomali yang komprehensif untuk pengambilan keputusan strategis dalam manajemen pariwisata. Pariwisata; Prediksi; Deteksi Anomali; Pembelajaran Multi-Tugas ADAPTIVE NONE Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia 002 MIL P R.1 MIL0002MTI2026 RAK REFERENSI TESIS MTI 002 MIL P R.1 18331 2026-02-03 09:47:48 2026-02-20 10:17:16 machine generated