Pendahuluan

1.1 Latar Belakang

Sektor pariwisata merupakan salah satu penggerak penting perekonomian dan sumber devisa bagi Indonesia ^[1,2] . Pada periode Januari–Oktober 2025, jumlah wisatawan mancanegara yang berkunjung ke Indonesia telah mencapai sekitar 12,7 juta kunjungan ^[3] , melampaui capaian tahunan beberapa tahun sebelumnya ^[4] . Dari sisi devisa, sektor ini menyumbang sekitar 13,8 miliar dolar Amerika Serikat sepanjang 2025 ^[5] . Di level daerah, Provinsi Nusa Tenggara Barat (NTB) menunjukkan tren serupa dengan total sekitar 5,4 juta kunjungan wisatawan pada periode 2023–Juni 2025 ^[6] . Pulau Lombok, sebagai bagian dari Kawasan Destinasi Pariwisata Super Prioritas Mandalika, memiliki lebih dari 80 destinasi wisata yang telah teridentifikasi, meliputi wisata bahari, alam, budaya, desa wisata, dan religi ^[7] .

Kombinasi lonjakan kunjungan, banyaknya pilihan destinasi, serta keterbatasan waktu perjalanan wisatawan menuntut adanya perancangan rute yang lebih optimal agar kualitas pengalaman, keberlanjutan lingkungan, dan pemerataan manfaat ekonomi dapat tercapai. Perilaku wisatawan pun semakin terdigitalisasi — laporan APJII menunjukkan lebih dari 229 juta penduduk Indonesia telah terhubung ke internet dengan tingkat penetrasi sekitar 80%, dan lebih dari 95% di antaranya mengakses melalui perangkat mobile ^[8] . Wisatawan mengandalkan mesin pencari, media sosial, aplikasi perjalanan, dan peta digital untuk memilih destinasi dan menyusun rute perjalanan ^[9,10,11,12] .

1.2 Permasalahan

Banyaknya alternatif destinasi di Pulau Lombok, keterbatasan waktu, serta ketidakpastian tingkat keramaian sering menimbulkan kelebihan informasi dan keputusan rute yang kurang efisien. Konsekuensinya bersifat ganda:

• Bagi wisatawan — kunjungan cenderung menumpuk pada beberapa ikon utama (mis. Gili Trawangan, Air Terjun Sendang Gile), sementara destinasi lain kurang terjangkau meski berpotensi setara.
• Bagi destinasi & daerah — penumpukan ini menimbulkan risiko kepadatan berlebih, ketimpangan distribusi manfaat ekonomi antar-destinasi, dan menghambat penerapan pariwisata berkelanjutan.

Sistem rekomendasi wisata yang ada umumnya hanya menjawab “destinasi apa yang cocok untuk saya”, tanpa mempertimbangkan kapan destinasi itu akan padat dan bagaimana mengatur kunjungan lintas destinasi agar tetap merata. Tanpa dukungan sistem cerdas yang mengintegrasikan ketiganya, pengelolaan kunjungan berisiko menghambat agenda transformasi digital dan hilirisasi pariwisata di NTB.

1.3 Solusi yang Ditawarkan

Penelitian ini mengusulkan mekanisme orkestrasi terpadu yang mengintegrasikan prioritas destinasi (relevansi terhadap preferensi pengguna) dan prediksi kunjungan wisatawan (potensi kepadatan) ke dalam satu proses optimasi rute — sesuatu yang belum diakomodasi secara eksplisit pada penelitian-penelitian sebelumnya (lihat Research Gap). Empat komponen dirangkai menjadi satu alur (rinci di Arsitektur Sistem):

1. Cascade-hybrid recommendation — content-based filtering (CBF) berbasis atribut destinasi dan citra visual yang diekstraksi dengan convolutional neural network (CNN), disusul neural collaborative filtering (NeuMF) yang memeringkat ulang kandidat CBF menggunakan pola interaksi historis pengguna.
2. Prediksi kunjungan — model deret waktu RNN, GRU, dan LSTM untuk mengestimasi jumlah kunjungan per destinasi pada periode mendatang, sebagai proksi potensi kepadatan.
3. Orkestrasi rute — algoritma genetika yang menyusun rute optimal dengan fungsi fitness yang secara eksplisit menyeimbangkan relevansi preferensi, efisiensi jarak/waktu, dan tingkat kepadatan destinasi.
4. Evaluasi komparatif — setiap komponen dibandingkan terhadap beberapa baseline; hanya model dengan kinerja terbaik yang diintegrasikan ke sistem produksi.

1.4 Hasil yang Diharapkan

Penelitian ini ditujukan untuk menghasilkan platform sistem rekomendasi rute wisata yang adaptif terhadap preferensi pengguna dan prediksi kepadatan destinasi, sehingga mampu meningkatkan kualitas pengalaman wisatawan, mendukung pengelolaan kepadatan destinasi, serta memperkuat pariwisata berkelanjutan di Nusa Tenggara Barat. Secara konkret:

• Sistem rekomendasi rute wisata berbasis AI yang personal, adaptif, dan berkelanjutan, dapat diakses publik (lihat halaman Rencanakan).
• Artikel ilmiah pada jurnal internasional bereputasi terindeks Scopus Q2 — International Journal of Intelligent Engineering and Systems (IJIES).
• Bukti kuantitatif — lewat evaluasi komparatif yang jujur (bukan hanya klaim) — tentang komponen mana dari orkestrasi ini yang benar-benar berkontribusi pada kualitas rekomendasi dan rute; lihat Hasil & Pembahasan.