PENERAPAN SUPPORT VECTOR REGRESSION (SVR) DENGAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) UNTUK MEMPREDIKSI JUMLAH WISATAWAN MANCANEGARA MENURUT PINTU MASUK DI INDONESIA

Jumlah wisatawan mancanegara yang masuk ke Indonesia menunjukkan pola fluktuasi yang cukup tinggi dari waktu ke waktu. Fluktuasi tersebut dipengaruhi oleh berbagai faktor, antara lain dinamika kondisi global, perubahan kebijakan perjalanan internasional, serta situasi sosial dan ekonomi baik di dalam maupun di luar negeri. Ketidakpastian ini menimbulkan tantangan tersendiri dalam proses perencanaan dan pengambilan kebijakan di sektor pariwisata, sehingga diperlukan suatu metode peramalan yang mampu menangkap pola data secara akurat dan adaptif. Oleh karena itu, penelitian ini bertujuan untuk memprediksi rata-rata jumlah wisatawan mancanegara menurut pintu masuk di Indonesia dengan menggunakan metode Support Vector Regression (SVR) yang dioptimasi melalui algoritma Particle Swarm Optimization (PSO). Data yang digunakan dalam penelitian ini berupa data runtun waktu bulanan jumlah wisatawan mancanegara periode Januari 2020 hingga Desember 2024 yang diperoleh dari Badan Pusat Statistik (BPS). Untuk mendapatkan temporal pada data, dilakukan transformasi data ke dalam tiga variabel lag sebagai variabel input model. Metode SVR dipilih karena kemampuannya dalam menangani hubungan nonlinier, sementara algoritma PSO digunakan untuk mengoptimasi parameter utama SVR, yaitu cost (C), epsilon (?), dan sigma (?), sehingga diperoleh kombinasi parameter yang menghasilkan kesalahan prediksi minimum. Proses evaluasi kinerja model dilakukan menggunakan ukuran Mean Absolute Percentage Error (MAPE) pada data pengujian. Hasil penelitian menunjukkan bahwa model SVR-PSO mampu menghasilkan kinerja prediksi yang sangat baik, dengan nilai MAPE sebesar 6,39% pada data pengujian. Nilai tersebut mengindikasikan bahwa model memiliki tingkat akurasi yang tinggi dalam memprediksi jumlah wisatawan mancanegara