Segmentation Analysis of Tourist Visits Using K-Means Algorithm at the Kutai Kartanegara Tourism Office

Rully Wijaya Saputra; Nursobah; Ahmad Abul  Khair

doi:10.32664/smatika.v16i02.2324

Penulis

Rully Wijaya Saputra STMIK Widya Cipta Dharma
Nursobah STMIK Widya Cipta Dharma
Ahmad Abul Khair STMIK Widya Cipta Dharma

DOI:

https://doi.org/10.32664/smatika.v16i02.2324

Kata Kunci:

K-Means, Clustering, Data Mining, Tourism, Kutai Kartanegara

Abstrak

Kabupaten Kutai Kartanegara memiliki kekayaan potensi pariwisata yang sangat beragam, yang berpeluang besar untuk memicu pertumbuhan ekonomi daerah. Meski demikian, pemanfaatan data kunjungan wisatawan saat ini belum dikelola secara maksimal dan cenderung hanya menjadi catatan administratif rutin, bukan sebagai landasan strategis dalam perencanaan pembangunan wilayah. Penelitian ini hadir untuk mengatasi kesenjangan tersebut dengan menerapkan pendekatan berbasis data guna memetakan performa destinasi wisata secara objektif. Tujuan utama dari studi ini adalah melakukan segmentasi destinasi wisata secara sistematis berdasarkan tingkat kepadatan pengunjung menggunakan algoritma K-Means Clustering. Dengan memanfaatkan data sekunder dari Dinas Pariwisata Kabupaten Kutai Kartanegara, penelitian ini mengolah berbagai variabel kuantitatif, termasuk asal daerah wisatawan, profil demografis, hingga pola pengeluaran mereka. Untuk menjamin ketepatan teknis, Metode Elbow digunakan dalam menentukan jumlah cluster paling efektif guna mencapai keseimbangan antara efisiensi matematis dan kemudahan interpretasi praktis. Analisis ini berhasil mengelompokkan destinasi ke dalam tiga segmen berbeda, yaitu tingkat kunjungan tinggi, sedang, dan rendah. Temuan ini memberikan gambaran komprehensif mengenai distribusi pariwisata, serta mengungkap area yang membutuhkan dukungan infrastruktur segera maupun area dengan potensi pasar potensial. Pada akhirnya, hasil segmentasi ini berfungsi sebagai alat bantu berbasis bukti bagi pengambil kebijakan untuk merumuskan strategi promosi yang lebih tepat sasaran. Melalui transformasi data mentah menjadi wawasan strategis, Dinas Pariwisata dapat mengoptimalkan alokasi sumber daya serta meningkatkan daya saing sektor pariwisata daerah.

Referensi

[1] Dinas Pariwisata Kabupaten Kutai Kartanegara, Data Kunjungan Wisatawan ke Kutai Kartanegara Tahun 2025. Kutai Kartanegara: Pejabat Pengelola Informasi dan Dokumentasi (PPID), 2025.

[2] A. S. Putra, “Strategi Pengembangan Objek Wisata pada Dinas Pariwisata Kabupaten Kutai Kartanegara,” J. Adm. Bisnis, vol. 9, no. 3, pp. 154–162, 2021, doi: 10.35797/jab.v9i3.34567.

[3] A. Wulandari and B. Saputra, “Visualisasi Data Spasial Kunjungan Wisatawan Kutai Kartanegara Menggunakan Scatter Plot 3D dan Heatmap,” J. Sains dan Teknol., vol. 13, no. 1, pp. 18–27, 2025, doi: 10.35580/sainstek.v13i1.22104.

[4] E. Mulyadi, “Analisis Kinerja Algoritma K-Means dalam Pengelompokan Data Kunjungan Wisatawan Berdasarkan Variabel Demografi,” J. Ris. Komput., vol. 12, no. 2, pp. 201–209, 2025, doi: 10.30865/jurikom.v12i2.9103.

[5] M. R. Sanjaya, “Data Mining untuk Klasifikasi Tingkat Kunjungan Objek Wisata Alam di Kabupaten Kutai Kartanegara,” J. Tek. Inform. dan Sist. Inf., vol. 11, no. 2, pp. 310–321, 2024, doi: 10.35957/jatisi.v11i2.5432.

[6] P. Handoko and S. Fitriani, “Implementasi Algoritma K-Means untuk Pemetaan Potensi Wisata Budaya di Wilayah Kutai Kartanegara,” J. Teknol. Inf. dan Multimed., vol. 5, no. 3, pp. 112–120, 2024, doi: 10.35746/jtim.v5i3.452.

[7] P. Lestari and T. Wahyudi, “Segmentasi Pasar Pariwisata Provinsi Jawa Barat Menggunakan K-Means Berdasarkan Jumlah Kunjungan, Hotel, dan Restoran,” J. JITEK (Jurnal Ilm. Teknosains), vol. 11, no. 1, pp. 22–30, 2025, doi: 10.26877/jitek.v11i1.15672.

[8] M. Yusuf and F. Amin, “Implementasi Algoritma Clustering untuk Strategi Pengembangan Pariwisata Berbasis Evidence-Based Policy di Kalimantan Timur,” J. Kebijak. Publik dan Pemerintah., vol. 7, no. 1, pp. 89–98, 2026, doi: 10.24832/jkpp.v7i1.765.

[9] H. Nasution, Implementasi Data Mining dengan Algoritma K-Means untuk Pemetaan Potensi Daerah. Yogyakarta: Deepublish, 2024.

[10] R. Hidayat and A. Saputra, “Penerapan Algoritma K-Means untuk Mengelompokkan Kunjungan Wisatawan pada Dua Puluh Tempat Wisata di Jakarta,” Technol. J. Ilm., vol. 16, no. 1, pp. 45–52, 2025, doi: 10.31602/tji.v16i1.16959.

[11] S. Purnama and T. Rahayu, “Clustering Destinasi Wisata di Kalimantan menggunakan Metode Elbow dan Silhouette Coefficient pada Algoritma K-Means,” J. Inform. Mulawarman, vol. 20, no. 1, pp. 45–53, 2025, doi: 10.30872/jim.v20i1.11542.

[12] Y. Irawan and D. Safitri, “Application of K-Means Clustering for Tourism Market Segmentation Based on Travel Motivation and Behavior,” Int. J. Data Sci. Anal., vol. 8, no. 1, pp. 55–64, 2026, doi: 10.1007/s41060-025-00621-x.

[13] K. P. Sinaga and M. S. Yang, “Unsupervised K-Means Clustering Algorithm,” IEEE Access, vol. 8, pp. 80716–80727, 2020, doi: 10.1109/ACCESS.2020.2988796.

[14] M. R. Pratama and N. Sari, “Implementasi Metode K-Means Pada Website Pengelompokan Kunjungan Wisatawan Dengan Rekomendasi Planning Otomatis,” J. Janitra Inform. dan Sist. Inf., vol. 6, no. 1, pp. 12–21, 2026, doi: 10.59395/rth4pa36.

[15] R. Aulia and D. Hartama, “Analisis K-Means Clustering pada Data Kunjungan Wisatawan Mancanegara ke Indonesia berdasarkan Pintu Masuk,” J. Sist. Komput. dan Inform., vol. 6, no. 2, pp. 145–152, 2025, doi: 10.30865/json.v6i2.8821.

[16] H. Zulfikar, “Analisis Perbandingan Algoritma K-Means dan K-Medoids dalam Segmentasi Pengunjung Objek Wisata Berbasis Konsumsi,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 8, no. 4, pp. 621–628, 2024, doi: 10.29207/resti.v8i4.5812.

[17] A. Fahmi and I. Kurniawan, “Optimasi Penentuan Centroid K-Means untuk Segmentasi Objek Wisata Unggulan di Wilayah Kalimantan Timur,” J. Ilm. Inform. dan Ilmu Komput., vol. 4, no. 1, pp. 33–41, 2025, doi: 10.58602/jima-ik.v4i1.124.

[18] D. Kurniawan, “Penerapan K-Means Clustering Pada Pariwisata Kabupaten Bojonegoro Untuk Mendukung Keputusan Strategi Pemasaran,” J. Nas. Teknol. dan Sist. Inf., vol. 9, no. 2, pp. 110–118, 2023, doi: 10.25077/TEKNOSI.v9i2.2023.141-149.

[19] M. Carvache-Franco, O. Regalado-Pezúa, G. Sirkis, O. Carvache-Franco, and W. Carvache-Franco, “Market Segmentation in Urban Tourism: A Study in Latin America,” PLoS One, vol. 18, no. 5, p. e0285138, 2023, doi: 10.1371/journal.pone.0285138.

[20] F. Ramadhan and I. Zulkarnain, “Analisis Preferensi Wisatawan terhadap Objek Wisata di Kalimantan Menggunakan Clustering,” Dir. Student Journals, vol. 4, no. 2, pp. 88–95, 2025, doi: 10.20527/jrkt.v4i2.1123.