Perbandingan metode ARIMA dan ARIMAX dalam Memprediksi Jumlah Wisatawan Nusantara di Pulau Bali

Faiq Riestiansyah, Devina Damayanti, Miranda Reswara, Ronny Susetyoko

Abstract


Indonesia memiliki berbagai potensi pemanfaatan yang berbeda tergantung dari sumber daya alamnya seperti bahan tambang, lahan pertanian, pariwisata dan lain-lain. Untuk meningkatkan pendapatan pada sektor pariwisata diperlukan data peramalan jumlah wisatawan yang berkunjung ke Pulau Bali. Data hasil peramalan tersebut dapat menjadi acuan untuk pengembangan dan pengoptimalisasian hal yang perlu diperbaiki di sektor kepariwisataan ini. Tujuan dari dilakukannya penelitian ini adalah untuk mengetahui perbandingan hasil prediksi terhadap Jumlah Wisatawan Nusantara yang berkunjung ke Pulau Bali. Salah satu model yang sering digunakan untuk masalah peramalan adalah model ARIMA. Model ARIMA yang juga disebut Runtut Waktu Box-Jenkins ini hanya cocok digunakan untuk kasus peramalan jangka pendek, karena jika digunakan untuk peramalan jangka panjang, model ini biasanya akan cenderung menghasilkan grafik time series datar. Setelah melakukan kedua pemodelan (ARIMA dan ARIMAX) selanjutnya membandingkan performa kedua model tersebut dalam melakukan prediksi Jumlah Wisatawan Nusantara yang berkunjung ke Pulau Bali dalam waktu tertentu dengan melihat error (RMSE) dari masing - masing model. Semakin rendah nilai RMSE maka semakin baik model tersebut bekerja dalam melakukan prediksi. Harapannya hasil dari penelitian ini dapat dimanfaatkan oleh siapapun yang memiliki kepentingan dalam pengembangan sektor pariwisata di Pulau Bali.

Keywords


ARIMA, ARIMAX, RMSE, Peramalan, Deret Waktu

References


Nurfitri & Shantika, M. 2020. PEMODELAN DATA RUNTUN WAKTU DENGAN ARIMAX. (Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster)).

Tirta & Moh, Y. 2018. Pemilihan Model Peramalan Terbaik Menggunakan Model Arima dan Winters Untuk Meramalkan Indeks LQ45

B. B. O. R. E. Putri and Noeryanti, “Pemodelan Time Series Dalam Peramalan Jumlah Pengunjung Objek Wisata Di Kabupaten Gunung Kidul Menggunakan Metode ARIMAX Efek Variasi Kalender,” J. Stat. Ind. dan Komputasi, vol. 4, no. 1, pp. 81–88, 2019.

N. P. N. Hendayanti and M. Nurhidayati, “Perbandingan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) dengan Support Vector Regression (SVR) dalam Memprediksi Jumlah Kunjungan Wisatawan Mancanegara ke Bali,” J. Varian, vol. 3, no. 2, pp. 149–162, 2020, doi: 10.30812/varian.v3i2.668.

Hendayanti, N. P. N., Suniantara, I. K. P., & Nurhidayati, M. (2019). Penerapan Support Vector Regression (Svr) Dalam Memprediksi Jumlah Kunjungan Wisatawan Domestik Ke Bali. Jurnal Varian, 3(1), 43-50. https://doi.org/10.30812/varian.v3il.506

A. Pratama, R. C. Wihandika, and D. E. Ratnawati,

“Implementasi Algoritme Support Vector Machine ( SVM ) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. e-ISSN, 2548, 964X, vol. 2, no. 4, pp. 1704–1708, 2018.

L. Surtiningsih, M. T. Furqon, and S. Adinugroho, “Prediksi Jumlah Kunjungan Wisatawan Mancanegara Ke Bali Menggunakan Support Vector Regression dengan Algoritma Genetika,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2578–2586, 2018.

Hadiriyanto, I., Darsyah, M. Y., & Semarang, U. M. (2018).

Peramalan Jumlah Wisatawan Mancanegara di Provinsi Bali denganMenggunakan ARIMA dan Winter. Prosiding Seminar Nasional Mahasiswa Unimus,1, 405–411.

M. Ibrahim, H. R. P. Negara, and ..., “Prediction of Land Area Harvest, Production, Rice Productivity: A Accuracy Analysis of ARIMA Methods,” … Biosyst. J., 2021.

F. Fejriani, M. Hendrawansyah, L. Muharni, S. F. Handayani, and Syaharuddin, “Forecasting Peningkatan Jumlah Penduduk Berdasarkan Jenis Kelamin menggunakan Metode Arima,” Jurnal Kajian, Penelitian dan Pengembangan Pendidikan, vol. 8, no. 1 April. pp. 27–36, 2020.

R. Perwira Negara, “Computational Modeling of ARIMA-based G-MFS Methods: Long-term Forecasting of Increasing Population,” Int. J. Emerg. Trends Eng. Res., vol. 8, no. 7, pp. 3665–3669, 2020, doi 10.30534/ijeter/2020/126872020.




DOI: http://dx.doi.org/10.30811/jim.v7i2.3336

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Miranda Sujatmiko