Perbandingan Algoritma K-Means dan DBSCAN Menggunakan Data Kunjungan Wisatawan Asing ke Indonesia di Masa Pandemi COVID-19

Abstract

Pandemi Covid-19 berskala global yang telah terjadi selama beberapa tahun terakhir berpengaruh secara signifikan terhadap berbagai sektor. Pariwisata menjadi sektor yang paling terdampak oleh pandemi Covid-19 karena upaya menahan peningkatan jumlah orang yang terinfeksi dilakukan dengan membatasi pergerakan manusia, sehingga wisatawan asing tidak dapat leluasa bepergian ke luar negeri. Data yang tersedia di Badan Pusat Statistik (BPS) mengenai kunjungan wisatawan mancanegara ke Indonesia pada masa pandemi masih berupa data mentah dan belum diolah menggunakan bahasa pemrograman maupun melalui berbagai kajian ilmiah. Subjek penelitian ini berfokus pada permasalahan data pariwisata mancanegara tersebut. Berdasarkan rangkuman yang dilakukan dalam penelitian ini, penerapan algoritma K-Means dan DBSCAN memerlukan beberapa tahapan dalam pengolahan data pariwisata mancanegara, yaitu pengumpulan data, seleksi data, serta implementasi algoritma K-Means dan algoritma DBSCAN. Setelah hasil pengelompokan diperoleh, dilakukan evaluasi menggunakan metode Silhouette Coefficient. Hasil perhitungan evaluasi menunjukkan bahwa algoritma DBSCAN menghasilkan nilai Silhouette Coefficient sebesar 0,91962, yang lebih rendah dibandingkan dengan algoritma K-Means yang memiliki nilai sebesar 0,96234. Dengan demikian, dapat disimpulkan bahwa pada penelitian ini algoritma K-Means memiliki kinerja yang lebih baik dibandingkan algoritma DBSCAN dalam pengelompokan dataset kunjungan wisatawan mancanegara yang digunakan.