TRUNOJOYO-Tugas Akhir-39748-Abstract.pdf
Restricted to Repository staff only
Download (208kB)
TRUNOJOYO-Tugas Akhir-39748-Cover.pdf
Restricted to Repository staff only
Download (7MB)
TRUNOJOYO-Tugas Akhir-39748-Chapter1.pdf
Restricted to Repository staff only
Download (302kB)
TRUNOJOYO-Tugas Akhir-39748-Chapter2.pdf
Restricted to Repository staff only
Download (456kB)
TRUNOJOYO-Tugas Akhir-39748-Chapter3.pdf
Restricted to Repository staff only
Download (362kB)
TRUNOJOYO-Tugas Akhir-39748-Chapter4.pdf
Restricted to Repository staff only
Download (899kB)
TRUNOJOYO-Tugas Akhir-39748-Conclusion.pdf
Restricted to Repository staff only
Download (211kB)
TRUNOJOYO-Tugas Akhir-39748-References.pdf
Restricted to Repository staff only
Download (251kB)
Abstract
Sektor pariwisata memiliki peran penting dalam mendorong pertumbuhan ekonomi regional. Namun, keberagaman destinasi wisata di Kabupaten Tuban menyebabkan kesulitan bagi wisatawan maupun pemerintah dalam mengidentifikasi karakteristik masing-masing objek wisata secara sistematis. Kurangnya pengelompokan berbasis data mengakibatkan strategi promosi dan pengembangan destinasi wisata menjadi kurang optimal dan tidak tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan objek wisata di Kabupaten Tuban menggunakan algoritma K-Means Clustering berdasarkan beberapa karakteristik, yaitu harga tiket, rating, jumlah fasilitas, jarak, dan durasi operasional. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik data mining melalui algoritma K-Means Clustering. Dataset yang digunakan terdiri dari 200 destinasi wisata yang diperoleh dari Dinas Pariwisata, dengan atribut harga tiket, rating, fasilitas, jarak, dan lama operasional.Tahapan penelitian meliputi: Data preprocessing (cleaning dan transformasi data), sehingga diperoleh 187 data bersih. Penentuan jumlah cluster optimal menggunakan metode Elbow dan Silhouette Score. Proses clustering menggunakan algoritma K-Means. Hasil evaluasi menunjukkan bahwa jumlah cluster optimal adalah 2 cluster dengan nilai silhouette score sebesar 0,7118 yang termasuk kategori kuat (strong). Pengelompokan aggota cluster didapat Cluster 0 sebayak 28 destinasi wisata. Cluster 1 sebayak159 destinasi wisata Penelitian ini memberikan kontribusi berupa segmentasi destinasi wisata berbasis karakteristik yang dapat dimanfaatkan oleh berbagai pihak, yaitu Bagi pemerintah daerah: membantu dalam merumuskan strategi pengembangan dan promosi wisata yang lebih tepat sasaran, serta mengoptimalkan alokasi sumber daya. Bagi pengelola wisata: memberikan informasi terkait posisi objek wisata dalam kelompok tertentu sebagai bahan evaluasi untuk meningkatkan kualitas layanan, fasilitas, dan daya tarik wisata
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM KHOIROTUN NISA |
| Department | Sistem Informasi |
| Uncontrolled Keywords | Data Mining;Clustering;K-Means;Pariwisata;Silhouette Score |
| Divisions | Fakultas Teknik > S1 - Sistem Informasi |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 17 Oct 2026 23:24 |
| Last Modified | 24 Oct 2026 17:19 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/29190 |
