Penerapan Algoritma Backpropagation Dalam Memprediksi Tingkat Penghunian Kamar Hotel Bintang Dan Nonbintang Di Provinsi Kepulauan Bangka Belitung

Aulia Febiola, (NIM. 1072111043) (2025) Penerapan Algoritma Backpropagation Dalam Memprediksi Tingkat Penghunian Kamar Hotel Bintang Dan Nonbintang Di Provinsi Kepulauan Bangka Belitung. Other thesis, Universitas Bangka Belitung.

	Text (HALAMAN DEPAN) HALAMAN DEPAN.pdf - Accepted Version Restricted to Registered users only Download (1MB)
	Text (BAB I) BAB I.pdf - Accepted Version Restricted to Registered users only Download (623kB)
	Text (BAB II) BAB II.pdf - Accepted Version Restricted to Registered users only Download (791kB)
	Text (BAB III) BAB III.pdf - Accepted Version Restricted to Registered users only Download (586kB)
	Text (BAB IV) BAB IV.pdf - Accepted Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Accepted Version Restricted to Registered users only Download (497kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Accepted Version Restricted to Registered users only Download (569kB)
	Text (LAMPIRAN) LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (1MB)

Abstract

Sektor pariwisata terbukti mampu meningkatkan penerimaan devisa, pendapatan daerah, serta penyerapan investasi dan tenaga kerja di Provinsi Kepulauan Bangka Belitung. Keberhasilan hotel dalam mempertahankan Tingkat Penghunian Kamar (TPK) yang tinggi dapat memberikan dampak positif terhadap pendapatan hotel, ekonomi lokal dan industri pariwisata secara keseluruhan. Namun, ketidakpastian TPK hotel di Provinsi Kepulauan Bangka Belitung dapat mempengaruhi kebijakan instansi pemerintah atau swasta maupun pengusaha hotel dan akomodasi serta investor dalam industri perhotelan. Oleh karena itu, penelitian ini bertujuan untuk memprediksi TPK hotel bintang dan nonbintang di Provinsi Kepulauan Bangka Belitung. Metode yang digunakan adalah algoritma backpropagation. Hasil dari penelitian ini menunjukkan bahwa arsitektur jaringan backpropagation terbaik untuk memprediksi TPK hotel bintang adalah 60-32-1 dengan MAPE pada fase pelatihan 13,96 persen dan MAPE pada fase pengujian 13,74 persen. Sedangkan arsitektur jaringan terbaik untuk memprediksi TPK hotel nonbintang adalah 60-41-1 dengan MAPE pada fase pelatihan 12,89 persen dan MAPE pada fase pengujian 9,96 persen. Berdasarkan hasil prediksi, dapat disimpulkan bahwa TPK hotel bintang dan nonbintang mengalami pola fluktuasi yang cenderung turun tetapi TPK hotel bintang memiliki nilai yang lebih tinggi dibandingkan dengan TPK hotel nonbintang. Hal ini mengindikasikan bahwa hotel bintang masih memegang peranan dominan dalam industri perhotelan di Provinsi Kepulauan Bangka Belitung.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Hotel; Tingkat Penghunian Kamar; Algoritma Backpropagation; Prediksi; Pariwisata
Subjects:	Q Sains > QA Mathematics
Divisions:	FAKULTAS SAINS DAN TEKNIK > MATEMATIKA > SKRIPSI
Depositing User:	Mr Jan Frist Pagendo Purba
Date Deposited:	03 Jun 2025 02:34
Last Modified:	03 Jun 2025 02:34
URI:	https://repository.ubb.ac.id/id/eprint/11323

Actions (login required)

View Item