View of EXPERT SYSTEM REKOMENDASI PERJALANAN WISATA DANAU TOBA MONACO OF ASIA

(1)

446

EXPERT SYSTEM REKOMENDASI PERJALANAN WISATA DANAU TOBA MONACO OF ASIA

Sahat Sonang S¹⁾, Erwin Sirait ²⁾

1,2 Teknik Komputer, Politeknik Bisnis Indonesia email: [email protected], [email protected]

Abstract

Tourism is becoming one of the world's largest industries year after year. Tourism has a lot of positive effects on the region, such as increased tax revenue, job creation, foreign exchange earnings, and development spread. Traveling is still a popular activity, which has led to new ideas and confusion among travelers about where to go. This is the issue with urgency. The fact that a lot of websites designed for informational purposes and travel booking on the internet are still regarded as basic and static, even though they were made by public and private organizations, is another issue. It is believed that the website provider gives user response and interaction scant consideration. The recommendation of tourist attractions that are appropriate for tourists is the goal of this study. The public's direct recommendations for cultural tourism are mapped out in this tourism recommendation system along with general and cultural tourist attractions. This tourism recommendation system uses genetic algorithms to suggest both cultural and general tourist destinations. Criteria about tourist destinations or places you do not want to visit, as well as priority places or tourism types you want to visit, will be added to this research. The genetic algorithm processes these criteria, and based on the criteria, has been able to generate travel recommendation results that are more optimal and accurate.

Keywords: Expert System, Tourism, Genetic Algorithm 1. PENDAHULUAN

Sektor pariwisata adalah salah satu dari banyak bidang kehidupan yang dipengaruhi oleh kemajuan teknologi informasi. Dibidang pariwisata, Indonesia memiliki banyak keunggulan, dengan banyak tempat wisata yang berkembang dan maju saat ini. Salah satunya adalah Danau Toba. Danau Toba adalah salah satu keajaiban dunia dan salah satu tempat wisata terbaik di Indonesia dan bahkan di dunia.

Ada banyak potensi wisata yang luar biasa di sana. Teknologi e-wisata telah membantu pertumbuhan pariwisata Danau Toba.

Banyak situs e-tourism di internet menggunakannya untuk memberikan informasi dan bahkan memesan akomodasi. Situs tersebut dianggap masih statis dan sederhana. Masalah urgensi adalah masih banyak orang yang berwisata, tapi malah menimbulkan pemikiran baru dimana bingung menentukan tempat wisata yang akan dituju wisatawan. Permasalahan lain

adalah banyak situs-situs yang tersedia di internet yang disediakan oleh pemerintah maupun swasta sebagai media informasi dan media pemesanan akomodasi wisata namun keberadaan situs-situs tersebut dinilai masih bersifat statis dan sederhana. Para penyedia situs dinilai kurang mengedepankan sisi responsiveness dan interactivity kepada pengguna. Salah satu masalah tambahan adalah bahwa penyedia situs dianggap kurang memperhatikan aspek respons dan interaksi pengguna [1][2]. Untuk menyelesaikan masalah ini, sistem rekomendasi perjalanan wisata Danau Toba Monaco of Asia harus dibangun.

Peneliti menggunakan pendekatan masalah empat tahap untuk menyelesaikan penelitian ini. Tahap pertama adalah memahami masalah. Tahap kedua adalah membuat rencana atau langkah-langkah untuk menyelesaikan masalah. Tahap ketiga adalah melaksanakan rencana atau langkah-langkah tersebut. Terakhir,

(2)

447

peneliti memeriksa atau mengevaluasi ulang hasil yang dihasilkan.

Penelitian yang dilakukan oleh [3] pada penelitian Optimalisasi Rute Obyek Wisata Di Bandung Raya Menggunakan Algoritma Genetik telah mencoba menyelesaikan masalah tentang gagasan tentang situs wisata yang responsif dan interaktif. Penelitian ini menemukan bahwa pencarian solusi optimal akan berakhir sebelum generasi maksimum karena algoritma genetika tidak dapat menghasilkan orang yang lebih baik dari generasi sebelumnya. Penelitian yang dilakukan oleh [4] menunjukkan bahwa Algoritma Slope One mampu memberikan rekomendasi yang sesuai dengan prioritas yang dimasukkan oleh orang-orang yang melakukan perjalanan.

Pengembangan tambahan dilakukan pada Oelh [2] dengan menambahkan algoritma Topsis dan genetika untuk memberikan rekomendasi objek wisata di seluruh Jawa Barat. Menurut kriteria pengguna, penelitian ini memberikan hasil yang baik dan dapat direkomendasikan.

Penelitian melibatkan basis Artificial Intelligence yang berbeda selain algoritma yang disebutkan di atas. Di antara penelitian tersebut adalah [5], yang meneliti A Framework of Web- Based Fuzzy Expert System for Managing Tourism Information, yang bertujuan untuk memberikan informasi pariwisata kepada wisatawan. Studi ini menggunakan logika fuzzy sebagai mesin cerdas untuk menjawab pertanyaan wisatawan tentang informasi perjalanan. Selanjutnya, penelitian dilakukan oleh [6], [7] dengan judul "Sistem Pakar E- Tourism Pada Dinas Pariwisata D.I.Y Menggunakan Metode Forward Chaining."

Dalam penelitian ini, sistem pakar digunakan untuk menyarankan perjalanan wisata ke Daerah Istimewa Yogayakarta. Sistem Pakar yang dibangun melalui proses Inferensi menggunakan metode Forward Chaining.

Dalam penelitian sebelumnya yang dilakukan pada tahun 2020 [8], [9], peneliti melakukan penelitian dengan judul Rekomendasi Rute Perjalanan Wisata Berbasis Web. Penelitian ini menggunakan algoritma

genetika untuk membuat sistem rekomendasi rute perjalanan wisata. Algoritma ini digunakan untuk membuat rute perjalanan wisata berdasarkan kombinasi kriteria yang dimasukkan oleh pengguna, seperti tempat mulai perjalanan, tempat berhenti, banyaknya waktu yang dihabiskan, kategori, dan banyak lagi. Hal ini dapat menjadi masalah karena hasil rekomendasi hanya berfokus pada satu atau beberapa kombinasi perjalanan wisata. Jadi, untuk meningkatkan hasil Algoritma Genetika dan membuat hasil yang lebih sesuai dengan kebutuhan pengguna, Artificial Intelligence diperlukan. Mesin kecerdasan buatan tersebut mungkin merupakan sistem pakar berbasis aturan yang mengumpulkan pengetahuan dari seorang agen perjalanan wisata.

2. METODE PENELITIAN

Studi ini dimulai dengan melihat dan mengumpulkan data dari sektor pariwisata, khususnya pariwisata Danau Toba. Sistem rekomendasi dibangun menggunakan metode waterfall [10][7], yang dimulai dengan tahapan analsis, desain, implentasi, dan ujicoba dan evaluasi.

Studi Literatur dan Pengumpulan Data

Tahap Analisis

Desain dan Coding

Tahap Analisis

Implementasi dan Uji Coba

Evaluasi

Gambar 1. Tahapan Penelitian

Sistem rekomendasi perjalanan wisata yang dibangun dapat membantu pengguna memilih rute terbaik berdasarkan kriteria atau batasan pengguna. Pengguna harus mengisi data seperti negara asal wisatawan, umur, waktu pergi, jumlah destinasi yang akan dikunjungi, destinasi sebagai titik awal, pukul berapa

(3)

448

berangkat, dan waktu perjalanan, serta kriteria destinasi seperti tag atau kategori wisata dan tempat yang tidak ingin dikunjungi. Setelah itu, sistem secara otomatis akan menawarkan rekomendasi jalan wisata. Algoritma genetika membuat rekomendasi perjalanan wisata, yang kemudian disempurnakan oleh sistem ahli berbasis peraturan.

1. Data

Data dapat berasal dari berbagai sumber, seperti data digital dan cetak. Data tentang destinasi wisata diperoleh dari berbagai situs web yang relevan, khususnya yang berkaitan dengan Sumatera Utara, yang merupakan situs web pemerintah dan swasta. Selain itu, data destinasi dan karakteristiknya diperlukan. Selain itu, penelitian ini membutuhkan data dari ahli atau spesialis perjalanan wisata.

2. Rekomendasi Algoritma Genetika

John Holland (1975) menemukan algoritma ini melalui penelitian di Universitas Michigan, AS, dan salah satu muridnya, David Goldberg (1989), menjadikannya populer. dimana menggambarkan algoritma genetika ini sebagai teknik pencarian yang berbasis pada mekanisme genetika dan seleksi alam.

Salah satu algoritma pencarian berbasis genetika dan mekanisme seleksi alam adalah Algoritma Genetika [11]. Individu mengalami perubahan gen untuk menyesuaikan diri dengan lingkungannya selama proses evolusi. Algoritma genetika bekerja dengan populasi individu yang masing-masing mewakili bentuk solusi dari masalah [8], [12], [13]. Nilai fitness seseorang diwakili, yang akan digunakan untuk menemukan cara terbaik untuk menyelesaikan masalah. Dalam penelitian ini, algoritma genetika berfungsi untuk menghasilkan rute perjalanan wisata yang lengkap, waktu kunjunga, dan lama kunjungan.

Algoritma genetika menggambarkan solusi masalah dalam bentuk kromosom.

Selain itu, algoritma genetika membutuhkan tiga komponen penting untuk digunakan agar bisa berhasil [6], [9], [13], [1], yaitu: a.

Definisi fungsi fitness. b. Definisi dan implementasi representasi genetika. c.

Definisi dan implementasi operasi genetika.

Struktur algoritma genetika secara umum digambarkan dalam siklus berikut.

Populasi Awal

Evaluasi Fitness

Seleksi Individu

Reproduksi Crossover dan

Mutasi Populasi

Baru

Gambar 2. Siklus Algoritma Genetika

Algoritma genetika menggunakan variabel dan parameter berikut: a. Fungsi fitness (fungsi tujuan) yang dimiliki oleh masing- masing individu untuk menentukan tingkat kesesuaiannya dengan kriteria yang ingin dicapai; b. Populasi jumlah individu yang dilibatkan pada setiap generasi; c. Probabilitas terjadinya persilangan (crossover) pada setiap generasi; d. Probabilitas terjadinya mutasi pada setiap individu; dan e. Jumlah generasi yang akan dibenturkan.

Fungsi fitness tersebut sebagai berikut:

𝐹𝑖𝑡𝑛𝑒𝑠𝑠 = ^𝑐

𝑓(𝑥)+ ∈ (1)

dimana:

a. C adalah konstansa.

b. Ɛ adalah bilangan kecil yang ditentukan untuk menhindari agar tidak terjadi pembagian oleh nol.

c. x adalah individu.

3. Rule Base Expert System

Menurut beberapa orang, sistem pakar adalah sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, sehingga komputer dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli [4], [6], [13]. Sebaliknya, orang lain mengatakan bahwa sistem pakar adalah sistem informasi

(4)

449

yang berusaha mengadopsi pengetahuan manusia ke komputer, sehingga komputer dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli [15], [16]. Sistem pakar yang baik dirancang untuk dapat meniru bagaimana para ahli menyelesaikan masalah. Gambar 3 menunjukkan organisasi sistem pakar.

Basis Pengetahuan Mesin Inferensi Memori Kerja

Fasilitas Penjelas Akuisisi

Pengetahuan

Tampilan User

Gamber 3. Struktur Sistem Pakar

1. Basis Pengetahuan:

Basis pengetahuan menampilkan pengetahuan dan dapat menyimpan dan mengorganisasikan pengetahuan dari seorang pakar.

2. Mesin Inferensi:

interpretasi dan aturan dalam sistem pakar.

3. Ingatan Kerja:

bagian yang bertanggung jawab untuk menyimpan data mesin.

4. Kemampuan Penjelasan:

berfungsi menunjukkan kepada pemakai bahwa solusi yang dibuat benar.

5. Mengakui Pengetahuan:

proses transfer kemampuan pemecahan masalah dari seorang pakar ke orang lain 6. Pandangan Pengguna:

berfungsi dengan memudahkan komunikasi antara pemakai dan sistem pakar melalui GUI.

3. HASIL DAN PEMBAHASAN 3.1. Analisis Sistem

Saat ini, pemilihan destinasi wisata dilakukan secara langsung dengan menghubungi agensi perjalanan, mulai dengan memberikan kriteria destinasi, kemudian pakar

mengidentifikasi kriteria untuk menentukan jenis destinasi hingga menghasilkan rekomendasi destinasi. Proses mulai dari mengidentifikasi kriteria yang dipilih oleh calon wisatawan. Selain itu, kenyataan di lapangan sering tidak sesuai dengan yang diharapkan.

Sangat penting bagi wisatawan untuk memiliki pengetahuan dasar tentang informasi tempat wisata yang ingin mereka kunjungi agar mereka tidak melakukan kesalahan dalam memilih tempat wisata yang mereka inginkan.

Oleh karena itu, berdasarkan analisis masalah di atas, diharapkan sistem ini akan mempermudah dan mengefisienkan perjalanan wisatawan yang ingin melakukan perjalanan secara mandiri sesuai keinginan mereka.

3.2. Implementasi Algoritma Genetika Gambar 4 menunjukkan alur kerja algoritma genetika umum untuk menemukan solusi optimal.

Mulai

Populasi Awal

Evaluasi Fungsi

Tujuan Seleksi

Crossover

Mutasi Kriteria Optimasi

Terpenuhi

Individu- Individu Terbaik

Selesai

Tidak

Ya

Gambar 4. Alur Algorima Genetika

Rekomendasi perjalanan wisata terbaik dibuat dengan menggunakan algoritma genetika sesuai dengan Gambar 4:

1. Menunjukkan proses penyusunan rekomendasi perjalanan wisata. Input-input destinasi serta beberapa kriteria diterima oleh sistem. Selanjutnya, filter digunakan berdasarkan kategori destinasi yang dipilih oleh pengguna dan tag-tag destinasi yang dipilih.

(5)

450

2. Algoritma Genetika mengubah input target ke kromosom. Individu terdiri dari setiap kromosom. Panjang susunan kromosom setiap individu dalam situasi ini berbeda dari yang lainnya. Karena setiap individu terdiri dari kromosom, kriteria yang dimasukkan pengguna pada sistem sangat mempengaruhinya. Berbagai kombinasi wisata dapat disesuaikan berdasarkan kriteria tertentu. Hal ini disebabkan oleh fakta bahwa setiap destinasi perjalanan memiliki lebih dari satu kategori, yang memungkinkan jumlah destinasi yang disarankan untuk rekomendasi perjalanan wisata yang berbeda.

3. Seseorang diberikan sebanyak 100 atau jumlah kombinasi dari destinasi yang telah difilter sesuai kriteria.

4. Setiap orang diuji berdasarkan nilai fitness (Fungsi Tujuan) yang dibuat. Persamaan (2) berikut digunakan untuk menentukan nilai fitnes:

𝐹𝑖𝑡𝑛𝑒𝑠𝑠_𝑖 = ¹

𝐼𝑅_𝑖+𝐼𝑊𝑃_𝑖+ 𝐼𝐵𝑇_𝑖 (1) 5. Setelah setiap orang memiliki nilai fitness,

langkah selanjutnya adalah mencari individu baru berdasarkan crossover dan mutasi sesuai nilai peluang pada roda roda yang dihasilkan dari nilai fitness.

6. Individu terbaik disimpan di setiap generasi, dan setelah semua iterasi selesai, hanya beberapa individu terbaik ditampilkan pada halaman pembangkitan rute perjalanan wisata pada sistem.

3.3. Perancangan Sistem

Input 1. Lokasi Star dan

Finis 2. Objek-objek Wisata yang akan

dikunjungi

Proses Mencari Rekomendasi Perjalanan Wisata

Menggunakan Algoritma

Genetika

Output Rute yang paling

efisien

Gambar 5. Input, Proses, Output Sistem

Sistem rekomendasi perjalanan wisata ini memungkinkan pengguna memasukkan data tentang lokasi start dan obyek wisata yang ingin

dikunjungi. Kemudian algoritma genetika digunakan untuk menemukan rekomendasi perjalanan wisata. Setelah diproses, pengguna akan menerima output berupa rekomendasi perjalanan wisata untuk obyek wisata yang dipilih. Gambar berikut menunjukkan flowchart sistem yang dibangun untuk menentukan rekomendasi perjalanan wisata.

Mulai

Pilih: Tanggal berangkat, Jam berangkat, jumlah orang dalam perjalanan, lama wisata, Lokasi awal perjalanan, Jenis tempat

wisata

Pencarian Rekomendasi Perjalanan Wisata

Rekomendasi Perjalanan Wisata

Terbaik

Selesai

Gambar 6. Flowchart Rekomendasi Perjalanan Wisata

User

Lihat Data

Mencari Rekomendasi Perjalanan Wisata

Gambar 7. Use Case Diagram

(6)

451

Memilih: Tanggal berangkat, Jam berangkat, jumlah orang dalam perjalanan, lama wisata, Lokasi awal

perjalanan, Jenis tempat wisata

Menampilkan Daftar Objek Wisata

Menampilkan Objek Wisata Dalam Peta Meminta Rekomendasi Perjalanan

Wisata

Memproses Rekomendasi Perjalanan Wisata

Menampilkan Rekomendasi Perjalanan Wisata Terbaik Yes

No

Activity Diagram

Pengguna Sistem

Gambar 8. Activity Diagram

3.3. Perancangan Sistem

Aplikasi ini dirancang untuk digunakan di situs web yang berfokus pada informasi wisata. Algoritma Genetika digunakan untuk memasukkan rekomendasi perjalanan wisata dan halaman hasil rekomendasi ke menu utama aplikasi yang sedang dibangun. Pada menu

"Rute Wisata", pengguna dapat mengisi berapa banyak destinasi yang akan dikunjungi, kapan akan berangkat, waktu berangkat, dan jumlah waktu (dalam jam) yang akan dihabiskan untuk perjalanan. Kemudian, sistem akan memproses dan menampilkan rekomendasi perjalanan wisata. Pada tampilan awal, pengguna akan langsung ditampilkan pada beberapa menu:

Home, Tempat Wisata, Rute Wisata, dan Search.

Jika pengguna ingin menggunakan sistem ini, mereka tidak perlu log in; setiap menu di halaman utama dapat diakses tanpa login.

Tour Perjalanan Wisata Home Tempat Wisata Rute Wisata Login Daftar Search Search

Tentukan Rute Perjalanan Wisata Anda

Kapan Anda Melakukan Perjalanan Wisata? Jam Berapa Anda Akan Memulai Perjalanan?

26 Oktober 2023 09:00

Berapa Jumlah Tempat Wisata yang akan dikunjungi?

4

Berapa Jam Anda ingin menghabiskan Perjalanan?

10 Tentukan Lokasi Perjalanan Awal?

Parapat

Pilih Jenis Tempat Wisata?

V Beach Safari Mountain Bay Waterfall Botanical Gorden

Surfing Bird Village Hill Traditional

Temple Elephant Lake Zoo Sunrise

Market Cave Spring Culture Climbing

Art Hot Spring Harbort Mounth Park

Buat Rute v

v v

v

Gambar 9. Tampilan Halaman input Rute Wisata

Gambar 9 menunjukkan tampilan halaman input rute wisata di mana pengguna dapat memasukkan informasi tentang perjalanan, seperti tanggal keberangkatan, jumlah destinasi yang akan di kunjungi, titik start, pukul keberangkatan, jumlah waktu yang dihabiskan, dan tag destinasi. Setelah itu, sistem akan menyarankan perjalanan wisata wisata.

Tour Perjalanan Wisata Home Tempat Wisata Rute Wisata Login Daftar Search Search

Rekomendasi Rute Perjalanan Wisata

Artenatif Perjalanan 1: Alternatif Perjalanan 2:

Tomok Tuktuk Pasir Putih Pangururan

Sibea-Bea –

Tomok Pasir Putih Sibea-Bea Pusuk Buhit –

– – –

– – – –

Gambar 10. Hasil Rekomendasi Perjalanan Wisata

Gambar 10 menunjukkan pembentukan rute perjalanan wisata yang menggunakan berbagai kombinasi susunan alur destinasi. Rute dihitung berdasarkan jarak destinasi, tag yang dipilih, dan waktu perjalanan. Algoritma genetika yang dibuat berdasarkan nilai fitnes digunakan untuk menentukan rute perjalanan wisata terbaik. Individu yang paling unggul yang juga menghasilkan generasi rute perjalanan terbaik. Dengan model banyaknya syarat dan perhitungan nilai fitnes yang ketat, penyampaian informasi perjalanan menjadi lebih efisien dan efektif. Ini dapat membantu pengguna mendapatkan informasi yang lebih relevan dan akurat.

(7)

452

4. KESIMPULAN

Serangkaian tahap penelitian telah menunjukkan bahwa aplikasi Expert System Rekomendasi Perjalanan Wisata Danau Toba dapat memberikan rekomendasi tempat wisata yang sesuai dengan keinginan wisatawan.

Aplikasi ini dapat memberikan rekomendasi tempat-tempat wisata yang dapat dikunjungi sesuai dengan keinginan para wisata mulai dari lokasi kebarangkatan sampai ketempat wisata yang ingin dikunjungi. Pengujian menunjukkan bahwa algoritma genetika dapat digunakan untuk menyelesaikan masalah dengan memberikan rekomendasi tempat wisata yang akan dikunjungi. Dengan banyak lokasi tujuan, algoritma genetika dapat memberikan rekomendasi dan rute pejalanan untuk menghemat waktu dan sumber daya.

5. REFERENSI

[1] M. R. Shihab dan A. Murtadho, “Analisis Situs E-Tourism Indonesia: Studi

Terhadap Persebaran Geografis, Pengklasifikasian Situs Serta

Pemanfaatan Fungsi Dan Fitur,” J. Sist.

Inf., vol. 7, no. 1, hal. 13, 2012, doi:

10.21609/jsi.v7i1.290.

[2] A. Mathematics, “Penggunaan Algoritma Genetika Dalam Penentuan Rute Wisata Di Kota/Kabupaten Kupang,” hal. 1–23, 2016.

[3] N. M. Hasyim, E. C. Djamal, dan A.

Komarudin, “Optimalisasi Rute Obyek Wisata Di Bandung Raya Menggunakan Algoritma Genetika,” Semin. Nas. Apl.

Teknol. Inf., hal. 6–10, 2017, [Daring].

Tersedia pada:

https://journal.uii.ac.id/Snati/article/view/

8490

[4] M. R. A. Wicaksono, F. Nugrahanti, dan A. R. Putera, “Prosiding Seminar Nasional Teknologi Informasi dan Komunikasi,” Optim. Digit. Mark.

Menyongsong Mark. 5.0Technology Humanit., vol. 4, no. 1, 2021.

[5] B. . Akinnuwesi dan F. M. . Uzoka, “A Framework of Web Based Fuzzy Expert System for Managing Tourism

Information,” vol. 3, no. 3, hal. 77–89, 2009.

[6] R. Wahyudi, E. Utami, dan M. R. Arief,

“Sistem Pakar E-Tourism pada Dinas Pariwisata D.I.Y Menggunakan Metode Forward Chaining,” J. Ilm. DASI, vol. 17, no. 2, hal. 67–75, 2016.

[7] S. Sonang, S. Defit, dan M. Ramadhan,

“JEPIN (Jurnal Edukasi dan Penelitian Informatika) Analisis Optimasi Fungsi Pelatihan Machine Learning Neural Network dalam Peramalan Kemiskinan”, [Daring]. Tersedia pada:

https://www.bps.go.id/.

[8] * Halkiopoulos, Antonopoulou, H.

Gkintoni, dan Giannoukou, “An Expert System for Recommendation Tourist Destinations: An Innovative Approach of Digital Marketing and Decision-Making Process,” Int. J. Innov. Sci. Res. Technol., vol. 6, no. 4, hal. 398–404, 2021,

[Daring]. Tersedia pada:

https://ijisrt.com/assets/upload/files/IJIS RT21APR199.pdf

[9] S. Sonang, A. T. Purba, dan S. Sirait,

“Prediksi Prestasi Mahasiswa Dengan Menggunakan Algoritma

Backpropagation,” J. Tek. Inf. dan Komput., vol. 5, no. 1, hal. 67, 2022, doi:

10.37600/tekinkom.v5i1.512.

[10] A. Fuggetta, Software process. 2000. doi:

10.1145/336512.336521.

[11] I. P. G. Hendra Suputra, “Rekomendasi Rute Perjalanan Wisata Berbasis Web Menggunakan Algoritma Genetika,” J.

Ilmu Komput., vol. 13, no. 1, hal. 21, 2020, doi:

10.24843/jik.2020.v13.i01.p03.

[12] W. Praja, K. Anwariyah, Y. Sa, dan F.

Syuhada, “Sistem Pakar Tujuan Wisata Kabupaten Lombok Tengah

Menggunakan Metode Forward Chaining Central Lombok District Tourism

(8)

453

Destination Expert System Using Forward Chaining Method,” vol. 5, no.

May, hal. 201–209, 2022.

[13] I. B. Gede Dwidasmara, I. G. N. A. W.

Putra, I. M. Widiartha, I. W. Santiyasa, I.

B. Made Mahendra, dan A. A. I. Ngurah Eka Karyawati, “Sistem Rekomendasi Tempat Wisata Menggunakan Algoritma Cheapest Insertion Heuristic Dan Naïve Bayes,” JELIKU (Jurnal Elektron. Ilmu Komput. Udayana), vol. 10, no. 2, hal.

227, 2022, doi:

10.24843/jlk.2021.v10.i02.p05.

[14] F. Wavi dan Y. Huda, “Penerapan Sistem Pendukung Keputusan Backward

Chaining Pada Aplikasi Web Mandeh Traveling Pada Kawasan Mandeh Berbasis Framework Codeigniter,” J.

Pendidik. Tambusai, vol. 5, no. 3, hal.

9820–9845, 2021.

[15] S. S. Sitanggang, Y. Yuhandri, dan Adil Setiawan, “Image Transformation With Lung Image Thresholding and

Segmentation Method,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 7, no. 2, hal. 278–285, 2023, doi:

10.29207/resti.v7i2.4321.

[16] V. M. M. Siregar, S. Sonang, A. T.

Purba, H. Sugara, dan N. F. Siagian,

“Implementation of TOPSIS Algorithm for Selection of Prominent Student Class,” J. Phys. Conf. Ser., vol. 1783, no.

1, 2021, doi: 10.1088/1742- 6596/1783/1/012038.