Abstract
Abstract: An major part of Indonesia's economy is tourism. Accurate forecast techniques are necessary due to the variation in the amount of domestic tourists visiting different provinces. The goal of this study is to use Artificial Neural Networks (ANN) and the backpropagation technique to create a prediction model. The BPS data utilized spans the years 2018–2024. A binary sigmoid function was used to normalize the data, which were then divided into training and testing sets and trained until the MSE was as low as possible. High forecast accuracy is demonstrated by the results. It is anticipated that the model would facilitate data-driven decision-making in the administration of the tourist industry.  Keyword: artificial neural network, backpropagation, prediction, domestic travel, and tourism.  Abstrak: Sektor pariwisata memainkan peran yang signifikan dalam pertumbuhan ekonomi Indonesia. Ada cara untuk memprediksi jumlah wisatawan yang datang ke nusantara ke berbagai provinsi. Tujuan dari penelitian ini adalah untuk menggunakan algoritma backpropagation Jaringan Syaraf Tiruan (JST) untuk membuat model yang dapat memprediksi jumlah wisatawan yang akan datang ke setiap provinsi. Data mencakup perjalanan wisatawan dari 2018 hingga 1924, menurut BPS. Data dibagi menjadi data pelatihan dan pengujian setelah dinormalisasi menggunakan fungsi sigmoid biner. Model JST dilatih untuk mencapai nilai MSE minimal. Hasil latihan menunjukkan bahwa JST sangat akurat dalam memprediksi jumlah perjalanan wisatawan. Penelitian ini dimaksudkan untuk berfungsi sebagai referensi dalam penggunaan data dalam proses pengambilan keputusan di industri pariwisata.  Kata kunci: wisatawan nusantara; jaringan syaraf tiruan; backpropagation; prediksi; pariwisata.
