viii ABSTRAK
Penerapan Algoritma Klaster Dinamis pada K-Means dalam Pengelompokan Persepsi Wisatawan terhadap Destinasi Wisata di Bali.
Bali sebagai salah satu destinasi wisata dituntut untuk terus mengalami perkembangan dalam mendatangkan wisatawan asing ke Indonesia. Oleh karena itu pemerintah Bali sudah sepatutnya melakukan perluasan pasar wisatawan sesuai dengan ciri khas yang dimiliki masing-masing destinasi wisata. Penentuan target pasar dapat diperoleh melalui pendekatan segmenting, targeting, dan positioning. Sebab, seorang wisatawan akan mengunjungi tempat-tempat wisata sangat dipengaruhi oleh bagaimana positioning destinasi wisata itu dibentuk dan diterima oleh wisatawan.
Segmentasi merupakan proses awal dalam menentukan positioning. Segmentasi destinasi wisata dilakukan dengan memperhatikan persepsi wisatawan terhadap atribut destinasi wisata yang meliputi kondisi alam dan kegiatan luar ruangan, musik dan kehidupan malam, seni dan budaya, makanan dan minuman, kondisi sosial, biaya hidup, pendidikan, kesehatan, akomodasi, dan kepedulian terhadap lingkungan hidup. Segmentasi menggunakan metode clustering dengan menerapkan algoritma klaster dinamis pada k-means. Penggunaan algoritma k-means klaster dinamis bekerja lebih optimal dikombinasikan dengan inisialisasi klaster menggunakan algoritma mean based pada tahap awal k-means. Hal tersebut dapat dilihat dari nilai variance, SSE, DBI memperoleh nilai terkecil, dan PC paling mendekati 1 dibandingkan dengan algoritma k-means tradisional dan k-means klaster dinamis. Klaster yang dihasilkan dari algoritma k-means klaster dinamis dengan inisialisasi klaster berjumlah 4 buah. Klaster 1 merupakan klaster dengan kualitas persepsi terendah, sebaliknya klaster 4 merupakan klaster dengan kualitas persepsi tertinggi. Sedangkan klaster 3 merupakan klaster dengan persepsi terbanyak.
ix ABSTRACT
Application of Dynamic Cluster Algorithm in K-Means to Clustering Tourist Perceptions about Tourist destinations in Bali.
Bali as a tourist destination is required to continue increase tourist arrivals to Indonesia. Cultural diversity, natural beauty, and polite society is still a key attribute in attracting tourists. Therefore, the government of Bali is fitting to expand the tourist market in accordance with the characteristic of each tourist destination. A clear market can be obtained through the approach of segmenting, targeting and positioning. Therefore, a tourists will visit the tourist spots are very influenced by how the positioning of tourist destinations was formed and accepted by the tourists. Segmentation of tourist destinations conducted by observing the tourists perceptions about the attribute of tourist destinations that include the conditions of nature and outdoor activities, music and nightlife, arts and culture, food and drinks, social conditions, cost of living, education, health, accommodation, and environmental awarennes. Segmentation using clustering methods by applying dynamic clustering algorithm on the k-means. Dynamic k-means clustering algorithm work more optimally combined with the initialization of the cluster in the early stages k-means. It can be seen from the value of the variance, SSE, DBI obtain the value of the smallest and most PC close to 1 as compared with the traditional k-means algorithm and dynamic k-k-means clustering.
x DAFTAR ISI
Lembar Pengesahan ... iii
PERNYATAAN KEASLIAN KARYA TULIS TESIS ... v
UCAPAN TERIMA KASIH ... vi
ABSTRAK ... viii
ABSTRACT ... ix
DAFTAR ISI ... x
DAFTAR TABEL ... xv
DAFTAR GAMBAR ... xviii
BAB I PENDAHULUAN ... 1
1. 1. Latar Belakang ... 1
1. 2. Rumusan Masalah ... 6
1. 3. Tujuan Penelitian ... 7
1. 4. Manfaat Penelitian ... 7
1. 5. Ruang Lingkup Penelitian ... 8
1. 6. Keaslian Penelitian ... 8
BAB II KAJIAN PUSTAKA ... 10
2. 1. State of the Art ... 10
2. 2. Pariwisata ... 18
2. 3. Faktor yang Mempengaruhi Perilaku Wisatawan ... 19
2. 4. Persepsi Kualitas Produk ... 22
2. 5. Pengertian Destinasi Wisata ... 23
xi
2. 7. Positioning Destinasi Wisata ... 26
2. 8. Pengertian Positioning ... 27
2. 9. Menyusun Positioning ... 29
2. 10. Positioning dan Keunggulan Bersaing ... 31
2. 11. Data Mining ... 31
2. 12. CRISP DM ... 34
2. 13. Clustering ... 36
2. 14. Algoritma K-Means ... 37
2. 15. Algortima K-means Klaster Dinamis ... 39
2. 16. Ukuran Validitas Cluster ... 40
BAB III METODE PENELITIAN ... 43
3. 1. Rencana Alur Penelitian ... 43
3. 2. Rancangan Sistem ... 45
3. 3. Variabel Penelitian ... 51
3. 4. Waktu dan Tempat Penelitian ... 51
3. 5. Prosedur Pengumpulan Data ... 52
3. 6. Teknik Analisis Data ... 53
3. 7. Instrumen Penelitian ... 54
3. 8. Jadwal Penelitian ... 55
BAB IV HASIL DAN PEMBAHASAN ... 56
4.1 Gambaran Umum Destinasi Wisata di Bali ... 56
4.2 Kuisioner Wisatawan Online ... 57
4.3 Karakteristik Responden ... 60
4.3.1 Jenis Kelamin ... 60
xii 4.3.3 Negara Asal ... 61 4.3.4 Kota Asal ... 62 4.3.5 Pendidikan ... 63 4.3.6 Pekerjaan ... 63 4.3.7 Biaya Pariwisata ... 64
4.3.8 Pilihan Destinasi Wisata ... 65
4.3.9 Aktivitas Wisata ... 66
4.4 Preferensi Wisatawan terhadap Atribut Destinasi Wisata di Bali ... 67
4.4.1 Pantai Kuta ... 67
4.4.2 Pantai Nusa Dua ... 68
4.4.3 Pantai Lovina ... 68
4.4.4 Pantai Pandawa ... 69
4.4.5 Tanah Lot ... 70
4.4.6 Pantai Sanur ... 70
4.4.7 Pantai Seminyak ... 71
4.4.8 Pantai Tanjung Benoa ... 72
4.4.9 Pantai Padang-padang ... 72
4.4.10 Pantai Lebih ... 73
4.4.11 Pantai Padang Bai ... 74
4.4.12 Pantai Canggu ... 74
4.4.13 Pantai Sindu ... 75
4.4.14 Pantai Pemuteran ... 76
4.4.15 Pantai Kedonganan ... 76
4.4.16 Pantai Nusa Penida ... 77
xiii
4.4.18 Pantai Amed ... 79
4.4.19 Pantai Kusamba ... 79
4.4.20 Pantai Berawa... 80
4.4.21 Pantai Keramas... 81
4.4.22 Pantai Peti Tenget ... 81
4.4.23 Pantai Suluban ... 82
4.4.24 Pantai Perancak ... 82
4.4.25 Pantai Seseh ... 83
4.4.26 Pantai Watu Klotok ... 84
4.4.27 Pantai Nyang Nyang ... 84
4.4.28 Pantai Medewi ... 85
4.4.29 Pantai Delod Berawah ... 85
4.4.30 Pantai Geger ... 86
4.4.31 Pantai Batu Mejan ... 87
4.4.32 Pantai Secret ... 87
4.4.33 Pantai Labuan Said ... 88
4.4.34 Pantai Candikusuma ... 88
4.4.35 Pantai Labuhan Ampuak ... 89
4.4.36 Pantai Samuh ... 89 4.4.37 Pantai Pageh ... 90 4.5 Implementasi Clustering ... 91 4.5.1 Data Preparation ... 91 4.5.2 Modeling ... 92 4.5.3 Evaluation ... 98 4.5.4 Interpretation ... 104
xiv 4.6 Profil Klaster ... 108 4.6.1 Klaster 1 ... 110 4.6.2 Klaster 2 ... 111 4.6.3 Klaster 3 ... 112 4.6.4 Klaster 4 ... 113 BAB V KESIMPULAN ... 115 5.1 Simpulan ... 115 5.2 Saran ... 116 DAFTAR PUSTAKA
xv DAFTAR TABEL
Tabel 2.1 State of The Art Penelitian Terkait ... 16
Tabel 2.2 Mapping Penelitian Terkait ... 17
Tabel 3.1 Tabel Variabel ... 46
Tabel 3.2 Tabel Pertanyaan ... 46
Tabel 3.3 Tabel Destinasi Wisata... 47
Tabel 3.4 Tabel Responden ... 47
Tabel 3.5 Tabel Kuisioner ... 47
Tabel 3.6 Skala Hedonik ... 54
Tabel 3.7 Jadwal Penelitian... 55
Tabel 4.1 Kegiatan Penyebaran Kuisioner ... 58
Tabel 4.2 Jenis Kelamin ... 60
Tabel 4.3 Kelompok Usia ... 61
Tabel 4.4 Negara Asal ... 61
Tabel 4.5 Kota Asal ... 62
Tabel 4.6 Tingkat Pendidikan Responden ... 63
Tabel 4.7 Status Pekerjaan ... 64
Tabel 4.8 Pengeluaran rata-rata perbulan ... 64
Tabel 4.9 Pilihan Destinasi Wisata ... 65
Tabel 4.10 Aktivitas wisata yang diminati responden ... 66
Tabel 4.11 Penilaian Responden terhadap Pantai Kuta ... 67
Tabel 4.12 Penilaian Responden terhadap Pantai Nusa Dua ... 68
Tabel 4.13. Penilaian responden terhadap Pantai Lovina ... 68
Tabel 4.14. Persepsi terhadap Pantai Pandawa ... 69
xvi
Tabel 4.16 Persepsi terhadap Pantai Sanur ... 71
Tabel 4.17 Persepsi terhadap Pantai Seminyak... 71
Tabel 4.18 Persepsi terhadap Pantai Tanjung Benoa ... 72
Tabel 4.19 Persepsi terhadap Pantai Padang-padang ... 73
Tabel 4.20 Persepsi terhadap Pantai Lebih ... 73
Tabel 4.21 Persepsi terhadap pantai Padang Bai ... 74
Tabel 4.22 Penilaian terhadap Pantai Canggu ... 75
Tabel 4.23 Penilaian terhadap Pantai Sindu ... 75
Tabel 4.24 Penilaian terhadap Pantai Pemuteran ... 76
Tabel 4.25 Penilaian terhadap Pantai Kedonganan ... 77
Tabel 4.26 Penilaian terhadap Pantai Nusa Penida ... 77
Tabel 4.27 Penilaian terhadap Pantai Tulamben ... 78
Tabel 4.28 Penilaian terhadap Pantai Amed ... 79
Tabel 4.29 Penilaian terhadap Pantai Kusamba ... 79
Tabel 4.30 Penilaian terhadap Pantai Berawa ... 80
Tabel 4.31 Penilaian terhadap Pantai Keramas ... 81
Tabel 4.32 Penilaian terhadap Pantai Peti Tenget ... 81
Tabel 4.33 Penilaian terhadap Pantai Suluban ... 82
Tabel 4.34 Penilaian terhadap Pantai Perancak ... 83
Tabel 4.35 Penilaian terhadap Pantai Seseh. ... 83
Tabel 4.36 Penilaian terhadap Pantai Watu Klotok ... 84
Tabel 4.37 Penilaian terhadap Pantai Nyang Nyang ... 84
Tabel 4.38 Penilaian terhadap Pantai Medewi ... 85
Tabel 4.39 Penilaian terhadap Pantai Delod Berawah ... 86
xvii
Tabel 4.41 Penilaian terhadap Pantai Batu Mejan ... 87
Tabel 4.42 Penilaian terhadap Pantai Secret ... 87
Tabel 4.43 Penilaian terhadap Pantai Labuan Said ... 88
Tabel 4.44 Penilaian terhadap Pantai Candikusuma ... 88
Tabel 4.45 Penilaian terhadap Pantai Labuhan Ampuak. ... 89
Tabel 4.46 Penilaian terhadap Pantai Samuh ... 89
Tabel 4.47 Penilaian terhadap Pantai Pageh ... 90
Tabel 4.48 Contoh Data ... 92
Tabel 4.49 Pengujian Pertama... 99
Tabel 4.50 Pengujian Kedua ... 100
Tabel 4.51 Pengujian Ketiga ... 101
Tabel 4.52 Nilai Titik Pusat Inisialisasi Klaster... 102
Tabel 4.53 Nilai Validasi K-means Klaster Dinamis dengan Inisialisasi Klaster103 Tabel 4.54 Nilai Titik Pusat Klaster ... 109
xviii DAFTAR GAMBAR
Gambar 2. 1 Model Segmenting, Targeting, Positioning (STP) ... 30
Gambar 2.2 Proses KDD (Fayyad, dkk) ... 32
Gambar 2.3 Siklus hidup CRISP-DM (Yun dkk, 2014) ... 35
Gambar 3.1 Alur Penelitian... 44
Gambar 3.2 Tahapan Algoritma Klaster Dinamis ... 49
Gambar 4.1 Alur Penyebaran Kuisioner ... 58
Gambar 4.2 Halaman Kuisioner Online ... 59
Gambar 4.3 Tahapan Clustering ... 91
Gambar 4.4Relasi Tabel ... 92
Gambar 4.5 Algoritma K-Means Klaster Dinamis dengan Inisialisasi Klaster .... 93
Gambar 4.6 Perbandingan Algoritma Pengujian Pertama ... 99
Gambar 4.7 Perbandingan Algoritma Pengujian Kedua ... 100
Gambar 4.8 Perbandingan Algoritma Pengujian Ketiga ... 101
Gambar 4.10 Nilai Validitas Jumlah Klaster ... 104
Gambar 4.11 Halaman Dasboard ... 105
Gambar 4.12 Halaman Cluster Report ... 106
Gambar 4.13 Halaman Demographics of Respondent ... 106
Gambar 4.14 Halaman Cluster Validation ... 107
Gambar 4.15 Halaman Cluster Profile... 108
Gambar 4.16. Nilai Titik Pusat Klaster ... 108
Gambar 4.18 Nilai Atribut pada Klaster 2 ... 112
Gambar 4.19 Nilai Atribut pada Klaster 3 ... 113
1 BAB I
PENDAHULUAN
1. 1. Latar Belakang
Pariwisata saat ini telah menjadi salah satu sektor yang paling cepat berkembang dari ekonomi dunia dan secara luas diakui untuk kontribusinya terhadap pembangunan ekonomi regional dan nasional. World Tourism
Organizatioan (WTO) melalui penelitiannya menunjukkan adanya kecenderungan
permintaan terhadap pariwisata akan terus meningkat. Jumlah wisatawan yang datang, alat transportasi yang digunakan, serta berapa lama waktu tinggal dan biaya yang dihabiskan selama berwisata merupakan beberapa indikator yang dapat digunakan untuk menilai tingkat permintaan (Khasani, 2014). Indonesia sebagai salah satu tujuan wisata dunia terus mengalami perkembangan. Kekuatan industri pariwisata yang diandalkan pemerintah masih pada sumber daya alam dan kekayaan ragam budaya, serta biaya yang relatif masih murah. Namun dilihat dari tingkat persaingannya, Indonesia masih harus bekerja lebih keras dalam mengembangkan industri pariwisata. World Economic Forum (2015), menyatakan tingkat persaingan Indonesia pada tahun 2015 berada pada peringkat 50 dari 141 negara. Dalam persaingan industri perjalanan dan pariwisata, Indonesia masih berada pada peringkat 81 dari 133 negara, dan peringkat 15 dari 25 negara wilayah Asia-Pasifik, serta berada pada peringkat 5 di Asia Tenggara.
Bali sebagai salah satu tujuan wisata dunia menjadi salah satu destinasi utama dalam rangka meningkatkan kunjungan wisatawan ke Indonesia. Bali memang sudah dikenal lama oleh banyak wisatawan, baik wisatawan mancanegara
2 maupun wisatawan nusantara. Keragaman budaya, alam yang indah, serta masyarakat yang santun masih menjadi atribut utama yang diandalkan Bali. Pemerintah Indonesia mengharapkan Bali terus meningkatkan kualitasnya sebagai destinasi wisata untuk mengangkat daerah-daerah yang lain di Indonesia sebagai destinasi yang memiliki daya saing internasional.
Jumlah kunjungan wisatawan merupakan salah satu indikator dalam mengukur kemajuan industri pariwisata suatu daerah. Data statistik Dinas Pariwisata Provinsi Bali tahun 2014 menunjukan bahwa Bali memang memiliki prosentase kunjungan yang cukup tinggi terhadap kunjungan wisatawan ke Indonesia. Tahun 2011, jumlah wisatawan yang datang ke Indonesia mencapai 7.649.731 dan 36.03% diantaranya yaitu 2.756.579 berkunjung ke Bali. Kemudian pada tahun 2014 wisatawan yang berkunjung ke Indonesia mencapai 9.435.411 dan 39.92% diantaranya yaitu 3.766.638 berkunjung ke Bali. Bila dilihat secara khusus mengenai perkembangan kunjungan wisatawan ke Bali, sepuluh negara sebagai penyumbang jumlah wisatawan terbesar ke Bali pada tahun 2014 antara lain Australia, China, Jepang, Korea Selatan, Perancis, Inggris, dan Taiwan yang mengalami peningkatan dari tahun-tahun sebelumnya. Sementara kunjungan wisatawan dari Malaysia dan Singapura mengalami penurunan.
Keragaman aktivitas budaya serta alam yang masih asri, menyebabkan Bali memiliki banyak pencitraan (image) yang melekat pada wisatawan. Perpaduan antara aktivitas budaya dan keadaan alam, serta kondisi sosial masyarakat lokal masih menjadi faktor utama dalam menciptakan dan mengembangkan destinasi wisata baru. Apabila dilihat dari perbandingan luas wilayah dan destinasi wisata,
3 tentunya hal ini memungkinkan adanya kemiripan destinasi wisata satu dengan destinasi wisata lainnya. Disisi lain sebuah destinasi wisata dituntut untuk terus meningkatkan kualitasnya dan mengembangkan komponen-komponen yang dimilikinya untuk menghindari terjadinya kejenuhan pada wisatawan, serta untuk memenangkan persaingan dengan destinasi wisata lainnya. Pemerintah Bali semestinya mampu melakukan perluasan pasar wisatawan sesuai dengan atribut-atribut atau ciri khas yang tepat pada setiap objek wisata yang dimiliki guna meningkatkan jumlah kunjungan wisatawan dari pasar potensial dan wisatawan yang melakukan kunjungan ulang. Pasar yang jelas dikaitkan dengan segmenting,
targeting, dan positioning. Sebab, seorang wisatawan akan mengunjungi
tempat-tempat yang eksotik sangat dipengaruhi oleh bagaimana positioning destinasi wisata itu dibentuk (Correia dkk, 2007). Positioning yang dimaksud adalah bagaimana suatu bisnis mendapat kepercayaan dari konsumennya, dalam hal ini adalah wisatawan yang akan berkunjung, maupun yang telah berkunjung ke destinasi wisata di Bali. Menurut Day (2002) positioning merupakan langkah penting dalam membuat sebuah strategi pemasaran sebuah destinasi wisata, hal ini tentu akan membantu pemerintah Bali dalam mengevaluasi dan mengembangkan potensi yang unggul dan unik dari setiap destinasi wisata sehingga mampu mengetahui posisi atau kemiripan masing-masing destinasi wisata dengan destinasi wisata lainnya.
Positioning harus didahului dengan kegiatan segmenting dan targeting. Hal
ini penting dilakukan agar posisi yang terbentuk sesuai dengan segmen pasar yang ada dan pasar sasarannya. Segmenting dapat diartikan dengan membagi-bagi pasar
4 menurut variabel yang banyak sekali jenisnya. Sedangkan targeting adalah penentuan segmen mana yang akan disasar. Segmentasi destinasi wisata dilakukan dengan memperhatikan persepsi wisatawan. Persepsi adalah proses dimana orang memilih, mengatur dan menginterpretasikan informasi untuk membentuk sebuah gambaran yang berarti (Oetarjo, 2013). Persepsi berkaitan dengan apa yang diharapkan oleh wisatawan terhadap kualitas dan keunggulan suatu destinasi wisata yang dapat diukur dari komponen-komponen yang menjadi perhatian wisatawan sebelum mengunjungi suatu destinasi wisata. Adapun komponen yang dimaksud adalah kondisi alam dan kegiatan luar ruangan, seni dan budaya, musik dan kehidupan malam, makanan dan minuman, biaya hidup, kondisi sosial, pendidikan, kesehatan, akomodasi, dan kepedulian terhadap lingkungan hidup (Liestiandre, 2011).
Segmentasi dilakukan dengan memanfaatkan kemajuan teknologi informasi seperti saat ini. Dimana kemampuan teknologi informasi tidak hanya untuk mengumpulkan dan menyimpan berbagai tipe data, melainkan juga untuk menganalisis, meringkas dan mengekstraksi pengetahuan dari data. Dengan kemampuan teknologi informasi saat ini, kecepatan dan keakuratan informasi, serta efisiensi masih menjadi kekuatan unggulan media online, sehingga mampu diakses oleh banyak wisatawan terutama yang ingin melakukan kegiatan wisata atau hanya ingin mengetahui perkembangan pariwisata. Dengan alasan tersebut, penelitian ini dimulai dari tahap pengumpulan data berupa kuisioner secara online mengenai persepsi atau penilaian wisatawan terhadap suatu destinasi wisata. Data hasil kuisioner tersebut akan menjadi data utama dalam segmentasi. Segmentasi akan
5 dilakukan dengan menggunakan metode Clustering dengan menggunakan algoritma k-means. Clustering atau klaterisasi adalah suatu metode pengelompokan yang mengenakan aturan berdasarkan sekelompok titik atau objek pada data. Analisa klaster bertujuan untuk mengelompokan data berdasarkan persamaan dan ketidaksamaan antara elemen data. Klaster ini lebih menekankan pada kedekatan atau kemiripan objek dengan objek lain didalam klaster dibandingkan dengan beberapa objek yang tidak berada didalam klaster (Yadav dan Sharma, 2012). Dalam berbagai metode klasterisasi, k-means adalah yang paling luas dan sering digunakan (Wu, 2012). Metode ini mengelompokan data berdasarkan pada jarak antara objek atau titik. K-means merupakan algoritma pengelompokan yang cukup sederhana dengan membagi atau mempartisi dataset kedalam beberapa klaster k, sehingga algoritma ini mudah dijalankan, relatif cepat, mudah disesuaikan dengan kebutuhan (Aggarwal dkk, 2012). Namun k-means memiliki masalah dalam sensivitas terhadap penentuan partisi awal jumlah klaster, dimana diketahui bahwa penentuan jumlah klaster sangat penting dalam algoritma k-means (Zhang dan Fang, 2013). Oleh karena itu penerapan algoritma k-means dengan klaster yang dinamis adalah salah satu solusi terhadap penelitian ini. Klaster dinamis yang dimaksud adalah pengecekan kembali terhadap kualitas klaster pada setiap iterasi, sehingga memungkinkan terjadinya perubahan jumlah klaster sampai klaster memenuhi validitas kualitas klaster. Penerapan algoritma klasterdinamis bertujuan untuk meningkatkan kualitas klastersehingga mampu menghasilkan jumlah klaster yang optimal (Shafeeq dan Hareesha, 2012).
6 Pemetaan metode yang dilakukan pada penelitian ini dapat dilihat pada diagram fishbone penelitian pada Gambar 1. 1.
Gambar 1.1 Diagram Fish Bone 1. 2. Rumusan Masalah
Bertitik tolak dari uraian latar belakang diatas, maka rumusan masalah dari penelitian ini adalah sebagai berikut.
1. Bagaimana penerapan metode clustering menggunakan algoritma klaster dinamis pada k-means dalam mengelompokan persepsi wisatawan mengenai Destinasi Wisata di Bali berdasarkan penilaian wisatawan terhadap Destinasi Wisata ?
2. Bagaimana analisis positioning Destinasi Tujuan Wisata di Bali berdasarkan kelompok persepsi wisatawan yang terbentuk ?
7 1. 3. Tujuan Penelitian
Berdasarkan pada pokok permasalahan diatas, adapun tujuan yang hendak dicapai dari penelitian adalah sebagai berikut.
1. Menghasilkan sistem yang secara dinamis mampu mengelompokan persepsi wisatawan mengenai Destinasi Tujuan Wisata di Bali berdasarkan penilaian wisatawan terhadap komponen Destinasi Tujuan Wisata.
2. Menghasilkan suatu analisis mengenai positioning Destinasi Tujuan Wisata yang ada di Bali berdasarkan kelompok persepsi wisatawan yang terbentuk.
1. 4. Manfaat Penelitian
Dari uraian tujuan penelitian, adapun beberapa manfaat yang diperoleh dari penelitian ini adalah sebagai berikut.
1. Penelitian ini diharapkan bermanfaat bagi pengembangan ilmu pengetahuan
data mining, terutama dalam bidang teknologi data mining dibidang
pariwisata.
2. Penelitian ini diharapkan mampu memberikan rekomendasi dan sumbangan pikiran bagi pemerintah, pengelola destinasi wisata, dan wisatawan dalam mengambil kebijakan terkait pemanfaatan atau pengembangan destinasi tujuan wisata, berdasarkan kelompok persepsi wisatawan yang terbentuk.
8 1. 5. Ruang Lingkup Penelitian
Untuk memfokuskan penelitian, penting untuk menentukan ruang lingkup masalah dalam penelitian. Adapun ruang lingkup penelitian ini adalah sebagai berikut.
1. Objek dari penelitian ini adalah destinasi wisata pantai yang termasuk kedalam objek wisata di Bali sesuai dengan data Dinas Pariwisata Provinsi Bali serta website resmi pemerintah kabupaten.
2. Penelitian ini berdasarkan pada penilaian wisatawan nusantara dan mancanegara terhadap destinasi wisata pantai yang diperoleh dari kuisioner online.
3. Data hasil kuisioner akan diolah menggunakan algoritma klaster dinamis pada k-means untuk mengelompokan persepsi wisatawan guna menentukan kelompok-kelompok pasar wisatawan.
1. 6. Keaslian Penelitian
Penelitian dengan topik positioning sebelumnya telah diteliti oleh Liestriadi dengan judul “Analisis Positioning Bali Sebagai Destinasi Wisata”. Penelitian tersebut fokus melakukan analisis positioning Bali terhadap pulau lainnya di dunia yang diukur dari persepsi wisatawan nusantara dan mancanegara. Sementara penelitian untuk topik k-means klaster dinamis telah dilakukan oleh Shafeeq dan Hareesha dengan judul Dynamic Clustering of Data with Modified K-Means
Algorithm yang merupakan pemaparan konsep dari k-means klaster dinamis dan
belum diterapkan untuk proses data mining. Sementara pada penelitian ini, penulis menerapkan algoritma k-means klaster dinamis secara langsung menggunakan
9 bahasa permrograman php dalam pengelompokan persepsi wisatawan guna menentukan positioning destinasi wisata di Bali. Penelitian lain dengan metode
