Pendahuluan: Pariwisata, Sektor Penting yang Rapuh

Pariwisata telah lama menjadi salah satu penopang utama perekonomian Indonesia. Menurut data Badan Pusat Statistik, sebelum pandemi COVID-19, sektor pariwisata mampu menyumbang devisa hingga ratusan triliun rupiah setiap tahunnya. Ribuan hotel, restoran, agen perjalanan, hingga pelaku UMKM menggantungkan hidup pada arus wisatawan domestik maupun mancanegara.

Namun, pandemi COVID-19 mengingatkan kita bahwa sektor ini sangat rapuh. Ketika perjalanan internasional ditutup, kunjungan wisatawan menurun tajam. Banyak destinasi yang biasanya ramai berubah menjadi sepi, hotel terpaksa tutup, dan ribuan pekerja kehilangan mata pencaharian. Krisis ini memperlihatkan bahwa tanpa kemampuan untuk memprediksi tren wisata, industri pariwisata kita mudah terguncang.

Kecerdasan Buatan Masuk ke Dunia Pariwisata

Kecerdasan buatan kini sudah banyak digunakan dalam kehidupan sehari-hari, mulai dari rekomendasi film di Netflix, iklan personalisasi di media sosial, hingga deteksi wajah di smartphone. Namun, pemanfaatannya dalam sektor pariwisata di Indonesia masih relatif baru.

Sebuah riset yang dipublikasikan di IAES International Journal of Artificial Intelligence (IJ-AI) tahun 2025 membuktikan bahwa AI bisa dimanfaatkan untuk memprediksi jumlah kunjungan wisatawan di Jawa Timur. Penelitian ini menggunakan data pariwisata antara 2018 hingga 2020, ditambah variabel penting seperti tren musiman, kampanye promosi, hingga kondisi ekonomi dan sosial.

Dengan memadukan berbagai data ini, AI dilatih untuk menemukan pola-pola tersembunyi yang sulit dikenali manusia secara manual. Hasilnya, AI mampu memberikan gambaran yang lebih akurat tentang berapa banyak wisatawan yang mungkin datang di bulan atau tahun berikutnya.

Tiga Otak Digital: ANN, ELM, dan JRNN

Dalam riset ini, peneliti menguji tiga model AI berbeda:

a. Artificial Neural Network (ANN)

ANN adalah jenis jaringan saraf tiruan yang bekerja meniru cara kerja otak manusia. ANN memiliki lapisan input, lapisan tersembunyi, dan lapisan output. Data pariwisata seperti jumlah pengunjung tahun lalu, tren harga tiket, atau musim liburan, dimasukkan ke dalam ANN. Jaringan ini kemudian belajar menemukan hubungan yang rumit di antara data tersebut.

b. Extreme Learning Machine (ELM)

Berbeda dengan ANN, ELM terkenal sangat cepat dalam proses pelatihan. Ia tidak memerlukan penyesuaian bobot berulang-ulang seperti jaringan saraf biasa. Karena itu, ELM cocok untuk situasi yang membutuhkan hasil cepat. Namun, kecepatan ini seringkali mengorbankan akurasi.

c. Jordan Recurrent Neural Network (JRNN)

JRNN adalah model yang unggul untuk data runtut waktu (time series), seperti jumlah wisatawan per bulan. Model ini memiliki “memori”, karena ia bisa menggunakan hasil sebelumnya untuk memengaruhi prediksi berikutnya. Hal ini membuat JRNN sangat baik dalam menangkap pola musiman, seperti lonjakan wisata saat libur Lebaran atau akhir tahun.

Hasil pengujian menunjukkan perbedaan yang cukup jelas di antara ketiga model. JRNN terbukti paling akurat, dengan tingkat kesalahan prediksi rata-rata hanya 2,98%. Artinya, jika diprediksi ada 100 ribu wisatawan, selisihnya hanya sekitar 3 ribu dari jumlah sebenarnya. Sementara itu, ANN berada di posisi kedua dengan rata-rata kesalahan 3,31%. ANN cukup handal dalam menangkap hubungan non-linear yang kompleks, meski sedikit kalah dari JRNN dalam hal tren musiman. Di sisi lain, ELM tampil sebagai yang tercepat, tetapi tingkat kesalahannya jauh lebih besar, yakni 10,51%. Model ini cocok jika kecepatan lebih diutamakan dibanding akurasi.

Mungkin sebagian orang bertanya: untuk apa repot-repot memprediksi jumlah wisatawan? Jawabannya sederhana: agar kita bisa lebih siap dan lebih bijak dalam mengelola pariwisata.

Bagi Pemerintah Daerah, dengan prediksi jumlah wisatawan yang akurat, pemerintah dapat mengatur infrastruktur dan layanan publik. Misalnya, jika diperkirakan ada lonjakan wisatawan di bulan tertentu, transportasi umum bisa diperbanyak, tenaga medis diperkuat, dan pengelolaan sampah ditingkatkan. Sementara itu, bagi Pelaku Usaha Pariwisata seperti pemilik hotel, restoran, biro perjalanan, hingga penyedia transportasi, mereka bisa menyesuaikan kapasitas layanan. Mereka tidak perlu khawatir kelebihan stok saat sepi atau kekurangan fasilitas saat ramai. Adapun bagi Masyarakat Lokal, terutama warga yang bergantung pada pariwisata, bisa mempersiapkan diri lebih baik. Misalnya, pedagang suvenir bisa memperkirakan kapan harus menambah stok barang. Bagi Lingkungan, prediksi wisatawan juga membantu mengurangi risiko over-tourism, yang bisa merusak lingkungan dan merugikan masyarakat lokal. Dengan data akurat, kebijakan pembatasan kunjungan bisa lebih tepat sasaran.

Tantangan ke Depan

Meski menjanjikan, penerapan AI dalam pariwisata juga menghadapi beberapa tantangan. Pertama, ketersediaan data sering menjadi masalah. Tidak semua daerah memiliki data wisata yang lengkap dan konsisten. Kedua, literasi digital para pemangku kepentingan masih beragam; tidak semua siap menggunakan sistem prediksi berbasis AI. Ketiga, biaya infrastruktur teknologi masih menjadi kendala, terutama bagi daerah yang jauh dari pusat kota besar.

Namun, dengan kolaborasi antara pemerintah, akademisi, dan sektor swasta, tantangan ini bisa diatasi. Data bisa dikumpulkan lebih sistematis, pelatihan SDM dapat ditingkatkan, dan teknologi AI bisa disesuaikan dengan kebutuhan lokal.

Menuju Pariwisata Masa Depan

Riset ini memberi pesan penting: pariwisata masa depan harus berbasis data, bukan sekadar insting. Dengan bantuan kecerdasan buatan, Indonesia bisa lebih tangguh menghadapi krisis global, lebih ramah lingkungan, dan lebih menguntungkan bagi masyarakat.

Bayangkan sebuah sistem terpadu yang bisa memberi tahu pemerintah daerah kapan sebuah destinasi akan ramai, memberi sinyal kepada hotel untuk menambah tenaga kerja musiman, dan membantu pedagang kecil mempersiapkan stok barang. Semua itu bukan lagi mimpi, tetapi sudah mulai menjadi kenyataan melalui penelitian seperti ini.

Jika teknologi ini diadopsi secara luas, Indonesia bisa menjadi pelopor dalam pariwisata cerdas dan berkelanjutan (smart sustainable tourism), yang tidak hanya mengandalkan keindahan alam, tetapi juga inovasi teknologi untuk menjaga keberlanjutan.

Penutup

Kecerdasan buatan bukan lagi sekadar istilah futuristik. Dalam pariwisata, AI sudah menunjukkan potensinya untuk membantu perencanaan, mengurangi ketidakpastian, dan mendukung pembangunan berkelanjutan.

Dengan memanfaatkan model seperti JRNN, ANN, dan ELM, kita bisa membaca arah arus wisatawan layaknya membaca ramalan cuaca. Perbedaannya, ramalan ini bukan untuk langit, melainkan untuk masa depan pariwisata Indonesia.

Penulis: Dr. Bambang Suharto, S.ST., M.M.Par.

Informasi detail terkait artikel ini dapat dilihat pada: https://www.scopus.com/inward/record.uri?eid=2-s2.0-105013033871&doi=10.11591%2Fijai.v14.i2.pp1022-1030&partnerID=40&md5=77a4146589683df402fa5ae86e5a4e5d