IMPLEMENTASI ALGORITMA ACTOR-CRITIC SEBAGAI SISTEM REKOMENDASI RUTE PERJALANAN WISATA: STUDI KASUS TOBA DAN SAMOSIR
Sektor pariwisata merupakan komponen kunci perekonomian yang memicu pertumbuhan ekonomi. Indonesia, kaya akan keanekaragaman alam dan budaya, sangat mengandalkan pariwisata, dengan kontribusi 4.1% terhadap PDB pada 2022. Sumatra Utara, dengan Danau Toba sebagai daya tarik utama, mencatat 14,333,140 kunjungan wisatawan dari Januari hingga Juni 2023. Penelitian ini mengembangkan sistem rekomendasi rute perjalanan wisata yang dipersonalisasi, mempertimbangkan biaya, rating, dan waktu perjalanan. Berbeda dengan travelling salesman problem (TSP), penelitian ini menggunakan pendekatan orienteering problem (OP) untuk mengoptimalkan rute tanpa harus mengunjungi semua titik. Seiring dengan meningkatnya kompleksitas masalah, metode machine learning dan deep learning semakin diandalkan. Penelitian ini mengusulkan metode reinforcement learning (RL) untuk mengoptimalkan rencana perjalanan, memaksimalkan jumlah destinasi berdasarkan preferensi wisatawan. Sistem ini menggabungkan actor-critic dan multi-attribute utility theory (MAUT) sebagai skema reward. Penelitian terbatas pada rute di Kabupaten Toba dan Kabupaten Samosir di Sumatra Utara, menggunakan data lokasi wisata, rating, dan harga tiket. Hasil percobaan menunjukkan bahwa, secara rata-rata, algoritma actor-critic memiliki rata-rata skor optimalitas sebesar 9.20% yang lebih baik dibandingkan dengan algoritma deep Q-learning. Sistem ini diharapkan meningkatkan kepuasan pengguna dan memberikan rekomendasi rute optimal.
URI
https://repo.itera.ac.id/depan/submission/SB2409230043
Keyword
Pariwisata Danau Toba Orienteering Problem Actor-Critic Multi-Attribute Utility Theory (MAUT)