PERAMALAN DERET WAKTU KUNJUNGAN WISATAWAN MENGGUNAKAN CEEMDAN dan RNN ADALINE (Studi Kasus Kab. Sampang)

Peramalan jumlah kunjungan wisatawan merupakan komponen penting dalam mendukung perencanaan operasional destinasi wisata, terutama untuk penyesuaian kapasitas layanan dan kesiapan fasilitas secara lebih terukur. Namun, data kunjungan wisata umumnya berfluktuasi dengan pola yang nonlinier dan tidak stasioner. Penelitian ini berfokus pada peramalan jumlah kunjungan wisatawan bulanan pada lima destinasi wisata di Kabupaten Sampang, yaitu Pantai Camplong, Waduk Klampis, Hutan Kera Nepa, Air Terjun Toroan, dan Situs Ratu Ebhu, menggunakan data periode Januari 2013–Desember 2024. Metode yang digunakan adalah pendekatan hibrida Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) – Recurrent Neural Network (RNN) – Adaptive Linear Neural Network (ADALINE) dengan tahapan dekomposisi sinyal kunjungan menggunakan CEEMDAN, prediksi tiap komponen menggunakan RNN, dan rekonstruksi hasil prediksi menggunakan ADALINE untuk memperoleh hasil akhir. Evaluasi kinerja dilakukan menggunakan Mean Absolute Percentage Error (MAPE) sebagai metrik utama dan Mean Squared Error (MSE) sebagai metrik pendukung. Hasil pengujian menunjukkan metode yang diusulkan menghasilkan kesalahan prediksi yang rendah pada seluruh destinasi, dengan MAPE terbaik sebesar 2,11% (Pantai Camplong), 2,80% (Waduk Klampis), 0,29% (Hutan Kera Nepa), 1,38% (Air Terjun Toroan), dan 5,00% (Situs Ratu Ebhu). Temuan ini menunjukkan bahwa pendekatan CEEMDAN–RNN–ADALINE efektif untuk peramalan kunjungan wisata bulanan dan dapat digunakan sebagai dasar perencanaan operasional yang lebih tepat dan proporsional.