PREDICTIVE ANALYSIS OF TOURIST ARRIVALS IN NORTH SUMATRA USING THE RANDOM FOREST ALGORITHM
##plugins.themes.bootstrap3.article.main##
Abstract
This study aims to develop an accurate predictive model for forecasting the number of international tourist arrivals to North Sumatra Province using the Random Forest algorithm. The data used is sourced from Open Data Sumut and includes historical data on tourist arrivals in previous years. Using the Random Forest Regressor, this model demonstrates high accuracy, with an R-Squared (R²) value of 56,06% and a low Mean Squared Error (MSE) of 36.087.182,23. The results of this study show that the year feature is more dominant in predicting tourist numbers compared to the month feature, indicating that annual trends have a greater influence on tourist arrival patterns than seasonal factors. The predicted number of tourists for July 2025 is 17.597,73
##plugins.themes.bootstrap3.article.details##
How to Cite
Br. Pasaribu, A. K., & Arie Rafika Dewi. (2025). PREDICTIVE ANALYSIS OF TOURIST ARRIVALS IN NORTH SUMATRA USING THE RANDOM FOREST ALGORITHM. Instal : Jurnal Komputer, 17(07), 463–470. https://doi.org/10.54209/jurnalinstall.v17i07.413
References
[1.] Adimassyah, M. (2024). SISTEM PENGENALAN TITIK API BERBASIS PENGOLAHAN CITRA PADA AREA GRAVING DOCK SECARA REAL-TIME. Politeknik Perkapalan Negeri Surabaya.
[2.] Anam, K., Rinaldi, A. R., & Fathurrohman, F. (2024). KOMPARASI ALGORITMA MACHINE LEARNING DALAM KLASIFIKASI LOYALITAS NASABAH BANK BERBASIS PARTICLE SWARM OPTIMIZATION. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 8212–8218.
[3.] Aqmila, D. (2023). Perancangan Media Pembelajaran Bahasa Pemrograman Python Menggunakan Aplikasi Scratch Untuk Siswa Sekolah Menengah Pertama (SMP). UIN Ar-Raniry Fakultas Tarbiyah dan Keguruan.
[4.] Fatunnisa, A., & Marcos, H. (2024). Prediksi Kelulusan Tepat Waktu Siswa SMK Teknik Komputer Menggunakan Algoritma Random Forest. Jurnal Manajemen Informatika (JAMIKA), 14(1), 101–111. https://doi.org/10.34010/jamika.v14i1.12114
[5.] Hakim, L., Rahmanto, H. R., Kristanto, S. P., & Yusuf, D. (2023). Klasifikasi citra motif batik banyuwangi menggunakan convolutional neural network. Jurnal Teknoinfo, 17(1), 203–211.
[6.] Haratikka, H., & Silitonga, D. H. (2023). Minat Perjalanan Wisata Pada Generasi Z di Tebing Tinggi. Altasia Jurnal Pariwisata Indonesia, 5(2), 101–111.
[7.] Hatta, I. H. R., Kom, S., Deyidi Mokoginta, S. T., Munawar, Z., Kom, M., Suparman, A., SI, S., Kom, M., Saputro, A. K., & Lies Hendrawan, K. (2024). KECERDASAN BUATAN. Cendikia Mulia Mandiri.
[8.] Herinanto, D., & Gumanti, M. (2024). MEMBUKA PINTU DUNIA: EKSPLORASI TREN BISNIS PARIWISATA DI KABUPATEN LAMPUNG SELATAN DALAM PERSPEKTIF GLOBAL. Jurnal Media Ekonomi (JURMEK), 29(1), 44–53.
[9.] Heryanto, Y., Fauziah, F., & Harjanti, T. W. (2023). Analisis Perbandingan Ruang dan Waktu pada Algoritma Sorting Menggunakan Bahasa Pemrograman Python. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer Dan Manajemen), 4(2), 342–347.
[10.] Kartika, T., Amalia, A., Fitrianty, R., Darmayasa, D., Fajri, K., Kristiutami, Y. P., Astuti, A. B., Afriasih, M. U. C., Pirastyo, S. P., & Sukriadi, E. H. (2024). Buku Ajar Pengantar Pariwisata. PT. Sonpedia Publishing Indonesia.
[11.] Kurniawan, R. (2024). STRATEGI PEMASARAN PARIWISATA UNTUK MENINGKATKAN PARIWISATA LOKAL. Jurnal Review Pendidikan Dan Pengajaran (JRPP), 7(3), 9867–9877.
[12.] Mahadewi, N. M. E. (2024). Quantum Tourism Pariwisata Quantum Dulu, Kini dan Nanti Model Perencanaan dan Inovasi Produk Wisata. Deepublish.
[13.] Nazar, R. (2024). IMPLEMENTASI PEMROGRAMAN PYTHON MENGGUNAKAN GOOGLE COLAB. JIK: Jurnal Informatika Dan Komputer, 15(1), 50–56.
[14.] Pahlevi, O.-, Amrin, A.-, & Handrianto, Y.-. (2023). Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit. Jurnal Infortech, 5(1), 71–76. https://doi.org/10.31294/infortech.v5i1.15829
[15.] Pramesti, D., & Baihaqi, W. M. (2023). Perbandingan Prediksi Jumlah Transaksi Ojek Online Menggunakan Regresi Linier dan Random Forest. Generation Journal, 7(3), 21–30.
[16.] Priyatno, A. M., Tanjung, L. S., Ramadhan, W. F., Cholidhazia, P., Jati, P. Z., & Firmananda, F. I. (2023). Comparison random forest regression and linear regression for forecasting BBCA stock price. Jurnal Teknik Industri Terintegrasi (JUTIN), 6(3), 718–732.
[17.] Rayadin, M. A., Musaruddin, M., Saputra, R. A., & Isnawaty, I. (2024). Implementasi Ensemble Learning Metode XGBoost dan Random Forest untuk Prediksi Waktu Penggantian Baterai Aki. BIOS: Jurnal Teknologi Informasi Dan Rekayasa Komputer, 5(2), 111–119.
[18.] Rifky, S., Kharisma, L. P. I., Afendi, H. A. R., Napitupulu, S., Ulina, M., Lestari, W. S., Maysanjaya, I. M. D., Kelvin, K., Sinaga, F. M., & Muchtar, M. (2024). Artificial Intelligence: Teori dan Penerapan AI di Berbagai Bidang. PT. Sonpedia Publishing Indonesia.
[19.] Rochmawati, F. D. (2023). PERKEMBANGAN BAHASA PEMROGRAMAN KOMPUTER DI AMERIKA SERIKAT TAHUN 1955-1995. UIN Kiai Haji Achmad Siddiq Jember.
[20.] Sari, L., Romadloni, A., & Listyaningrum, R. (2023). Penerapan Data Mining dalam Analisis Prediksi Kanker Paru Menggunakan Algoritma Random Forest. Infotekmesin, 14(1), 155–162. https://doi.org/10.35970/infotekmesin.v14i1.1751
[21.] Shofa, S. H. N. (2023). KLASIFIKASI KATEGORI INDEKS STANDAR PENCEMAR UDARA (ISPU) DKI JAKARTA MENGGUNAKAN MULTILAYER PERCEPTRON DAN RANDOM FOREST. Universitas Siliwangi.
[22.] Sumutprov. (n.d.). Retrieved September 15, 2024, from https://sumutprov.go.id/
[23.] Ubaidilah, R. M. (2023). Prediksi Kelulusan Mahasiswa Berdasarkan Data Kunjung dan Peminjaman Buku menggunakan Rapid Miner dengan Metode C. 45 dan Random Forest. International Research on Big-Data and Computer Technology: I-Robot, 7(2), 14–20.
[24.] Zebua, R. S. Y., Khairunnisa, K., Hartatik, H., Pariyadi, P., Wahyuningtyas, D. P., Thantawi, A. M., Sudipa, I. G. I., Prayitno, H., Sumakul, G. C., & Sepriano, S. (2023). Fenomena Artificial Intelligence (Ai). PT. Sonpedia Publishing Indonesia.
[2.] Anam, K., Rinaldi, A. R., & Fathurrohman, F. (2024). KOMPARASI ALGORITMA MACHINE LEARNING DALAM KLASIFIKASI LOYALITAS NASABAH BANK BERBASIS PARTICLE SWARM OPTIMIZATION. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 8212–8218.
[3.] Aqmila, D. (2023). Perancangan Media Pembelajaran Bahasa Pemrograman Python Menggunakan Aplikasi Scratch Untuk Siswa Sekolah Menengah Pertama (SMP). UIN Ar-Raniry Fakultas Tarbiyah dan Keguruan.
[4.] Fatunnisa, A., & Marcos, H. (2024). Prediksi Kelulusan Tepat Waktu Siswa SMK Teknik Komputer Menggunakan Algoritma Random Forest. Jurnal Manajemen Informatika (JAMIKA), 14(1), 101–111. https://doi.org/10.34010/jamika.v14i1.12114
[5.] Hakim, L., Rahmanto, H. R., Kristanto, S. P., & Yusuf, D. (2023). Klasifikasi citra motif batik banyuwangi menggunakan convolutional neural network. Jurnal Teknoinfo, 17(1), 203–211.
[6.] Haratikka, H., & Silitonga, D. H. (2023). Minat Perjalanan Wisata Pada Generasi Z di Tebing Tinggi. Altasia Jurnal Pariwisata Indonesia, 5(2), 101–111.
[7.] Hatta, I. H. R., Kom, S., Deyidi Mokoginta, S. T., Munawar, Z., Kom, M., Suparman, A., SI, S., Kom, M., Saputro, A. K., & Lies Hendrawan, K. (2024). KECERDASAN BUATAN. Cendikia Mulia Mandiri.
[8.] Herinanto, D., & Gumanti, M. (2024). MEMBUKA PINTU DUNIA: EKSPLORASI TREN BISNIS PARIWISATA DI KABUPATEN LAMPUNG SELATAN DALAM PERSPEKTIF GLOBAL. Jurnal Media Ekonomi (JURMEK), 29(1), 44–53.
[9.] Heryanto, Y., Fauziah, F., & Harjanti, T. W. (2023). Analisis Perbandingan Ruang dan Waktu pada Algoritma Sorting Menggunakan Bahasa Pemrograman Python. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer Dan Manajemen), 4(2), 342–347.
[10.] Kartika, T., Amalia, A., Fitrianty, R., Darmayasa, D., Fajri, K., Kristiutami, Y. P., Astuti, A. B., Afriasih, M. U. C., Pirastyo, S. P., & Sukriadi, E. H. (2024). Buku Ajar Pengantar Pariwisata. PT. Sonpedia Publishing Indonesia.
[11.] Kurniawan, R. (2024). STRATEGI PEMASARAN PARIWISATA UNTUK MENINGKATKAN PARIWISATA LOKAL. Jurnal Review Pendidikan Dan Pengajaran (JRPP), 7(3), 9867–9877.
[12.] Mahadewi, N. M. E. (2024). Quantum Tourism Pariwisata Quantum Dulu, Kini dan Nanti Model Perencanaan dan Inovasi Produk Wisata. Deepublish.
[13.] Nazar, R. (2024). IMPLEMENTASI PEMROGRAMAN PYTHON MENGGUNAKAN GOOGLE COLAB. JIK: Jurnal Informatika Dan Komputer, 15(1), 50–56.
[14.] Pahlevi, O.-, Amrin, A.-, & Handrianto, Y.-. (2023). Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit. Jurnal Infortech, 5(1), 71–76. https://doi.org/10.31294/infortech.v5i1.15829
[15.] Pramesti, D., & Baihaqi, W. M. (2023). Perbandingan Prediksi Jumlah Transaksi Ojek Online Menggunakan Regresi Linier dan Random Forest. Generation Journal, 7(3), 21–30.
[16.] Priyatno, A. M., Tanjung, L. S., Ramadhan, W. F., Cholidhazia, P., Jati, P. Z., & Firmananda, F. I. (2023). Comparison random forest regression and linear regression for forecasting BBCA stock price. Jurnal Teknik Industri Terintegrasi (JUTIN), 6(3), 718–732.
[17.] Rayadin, M. A., Musaruddin, M., Saputra, R. A., & Isnawaty, I. (2024). Implementasi Ensemble Learning Metode XGBoost dan Random Forest untuk Prediksi Waktu Penggantian Baterai Aki. BIOS: Jurnal Teknologi Informasi Dan Rekayasa Komputer, 5(2), 111–119.
[18.] Rifky, S., Kharisma, L. P. I., Afendi, H. A. R., Napitupulu, S., Ulina, M., Lestari, W. S., Maysanjaya, I. M. D., Kelvin, K., Sinaga, F. M., & Muchtar, M. (2024). Artificial Intelligence: Teori dan Penerapan AI di Berbagai Bidang. PT. Sonpedia Publishing Indonesia.
[19.] Rochmawati, F. D. (2023). PERKEMBANGAN BAHASA PEMROGRAMAN KOMPUTER DI AMERIKA SERIKAT TAHUN 1955-1995. UIN Kiai Haji Achmad Siddiq Jember.
[20.] Sari, L., Romadloni, A., & Listyaningrum, R. (2023). Penerapan Data Mining dalam Analisis Prediksi Kanker Paru Menggunakan Algoritma Random Forest. Infotekmesin, 14(1), 155–162. https://doi.org/10.35970/infotekmesin.v14i1.1751
[21.] Shofa, S. H. N. (2023). KLASIFIKASI KATEGORI INDEKS STANDAR PENCEMAR UDARA (ISPU) DKI JAKARTA MENGGUNAKAN MULTILAYER PERCEPTRON DAN RANDOM FOREST. Universitas Siliwangi.
[22.] Sumutprov. (n.d.). Retrieved September 15, 2024, from https://sumutprov.go.id/
[23.] Ubaidilah, R. M. (2023). Prediksi Kelulusan Mahasiswa Berdasarkan Data Kunjung dan Peminjaman Buku menggunakan Rapid Miner dengan Metode C. 45 dan Random Forest. International Research on Big-Data and Computer Technology: I-Robot, 7(2), 14–20.
[24.] Zebua, R. S. Y., Khairunnisa, K., Hartatik, H., Pariyadi, P., Wahyuningtyas, D. P., Thantawi, A. M., Sudipa, I. G. I., Prayitno, H., Sumakul, G. C., & Sepriano, S. (2023). Fenomena Artificial Intelligence (Ai). PT. Sonpedia Publishing Indonesia.
Copyright and Licensing
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.