PENERAPAN METODE CEEMDAN DAN DEEP NEURAL NETWORK – FEEDFORWARD NEURAL NETWORK UNTUK PREDIKSI KUNJUNGAN WISATAWAN

Sektor pariwisata di Kabupaten Sampang berpotensi besar dalam menarik wisatawan, namun fluktuasi kunjungan menyulitkan perencanaan kapasitas destinasi, infrastruktur, dan pemasaran. Penelitian ini bertujuan untuk mengembangkan metode prediksi jumlah kunjungan wisatawan di Kabupaten Sampang menggunakan metode Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) yang dikombinasikan dengan Deep Neural Network (DNN) dan Feedforward Neural Network (FNN). Metode CEEMDAN digunakan untuk menguraikan data deret waktu menjadi komponen Intrinsic Mode Function (IMF) dan residu. Seluruh komponen kemudian dijadikan input pada DNN untuk memodelkan hubungan nonlinier pada data yang kompleks. Selanjutnya, keluaran prediksi dari tiap komponen hasil pemodelan DNN digabungkan kembali secara nonlinier menggunakan FNN untuk memperoleh prediksi akhir. Penelitian ini menggunakan data kunjungan wisatawan bulanan periode Januari 2013 hingga Desember 2024 pada lima objek wisata di Kabupaten Sampang yang diperoleh dari Dinas Kebudayaan, Kepemudaan, Olahraga, dan Pariwisata Kabupaten Sampang. Hasil penelitian menunjukkan bahwa kombinasi CEEMDAN-DNN-FNN menghasilkan prediksi dengan akurasi baik, dengan nilai Mean Absolute Percentage Error (MAPE) terbaik pada kisaran 0.32% hingga 3.77% pada 5 objek wisata di Kabupaten Sampang. Hutan Kera Nepa menunjukkan performa terbaik dengan MAPE 0.32% dan MSE 3.16, sedangkan Air Terjun Toroan juga memberikan hasil yang baik dengan MAPE 1.73% dan MSE 602.90. Perbedaan konfigurasi parameter tiap destinasi menegaskan pentingnya pemilihan parameter optimal sesuai karakteristik data. Metode ini diharapkan dapat membantu pemangku kepentingan pariwisata di Kabupaten Sampang dalam merumuskan strategi promosi dan pengelolaan objek wisata secara tepat dan terukur.