PENERAPAN ALGORITMA DENSITY-BASED SPATIAL CLUSTERING OF APPLICATION WITH NOISE UNTUK ANALISIS MULTIDIMENSI DATA DESTINASI WISATA PROVINSI JAWA TENGAH

Abstract

Pariwisata merupakan salah satu sektor strategis dalam pembangunan ekonomi Jawa Tengah, namun pemanfaatan data destinasi wisata yang semakin besar jumlahnya dan multidimensi belum sepenuhnya mendukung perencanaan yang merata. Ketimpangan kunjungan dan fasilitas antara destinasi populer dan destinasi yang kurang terekspos menunjukkan perlunya pemetaan klaster berbasis data untuk mendukung kebijakan yang lebih tepat. Penelitian ini bertujuan menganalisis pola pengelompokan 1.103 destinasi wisata di Jawa Tengah menggunakan pendekatan Density-Based Spatial Clustering of Applications with Noise (DBSCAN) pada pemodelan data multidimensi. Tahapan penelitian meliputi integrasi data, rekayasa fitur menjadi beberapa subfitur dan fitur gabungan, optimasi parameter epsilon dan jumlah titik minimum (MinPts), serta evaluasi klaster dengan beberapa metrik evaluasi. Hasil penelitian menunjukkan bahwa subfitur geografis menjadi model global terbaik dengan nilai evaluasi tinggi dan noise rendah. Pada pemodelan multidimensi, penggabungan fitur dengan penerapan Principal Component Analysis (PCA) menghasilkan lima klaster kualitas baik (Silhouette = 0.704; DBI = 0.866; CHI = 658.889), sedangkan fitur gabungan tanpa reduksi dimensi menunjukkan pemisahan klaster yang lebih lemah (Silhouette = 0.359; DBI = 2.124; CHI = 201.586). Temuan ini menegaskan bahwa algoritma DBSCAN, dengan parameter yang sistematis dan reduksi dimensi, efektif untuk mengungkap struktur kepadatan serta memberikan kerangka segmentasi destinasi yang objektif untuk mendukung kebijakan pemerataan pengembangan pariwisata di Provinsi Jawa Tengah