PERAMALAN JUMLAH WISATAWAN ASING DENGAN MODEL ARIMA

Authors

  • Rahmat Hidayat Universitas Cokroaminoto Palopo
  • Besse Helmi Mustawinar Universitas Cokroaminoto Palopo, Kota Palopo Sulawesi Selatan, Indonesia

DOI:

https://doi.org/10.30605/27458326-100

Keywords:

Pariwisata, Covid-19, ARIMA

Abstract

Sebagai salah satu komoditi ekspor yang tidak dapat dilihat secara nyata, peran pariwisata semakin meningkat dalam perekonomian Indonesia. Dalam mengembangkan pariwisata internasional sangat diperlukan program yang terarah dan tepat dalam rangka meningkatkan jumlah kedatangan wisatawan mancanegara (wisman). Untuk meningkatkan kegiatan pemasaran, diperlukan perencanaan yang sesuai berdasarkan informasi kuantitatif dan kualitatif tentang wisman pada masamasa sebelumnya. Dengan adanya pandemi Covid-19 yang melanda Indonesia sejak awal tahun 2020, informasi tentang wisman semakin diperlukan sebagai bahan evaluasi dan perencanaan pembangunan di masa yang akan datang. Tidak tersedianya data pada masa lalu akan menyulitkan dalam membuat rencana yang cermat dan terarah. Data statistik yang disajikan dalam publikasi ini dimaksudkan untuk memenuhi salah satu kebutuhan tersebut. Studi ini memodelkan jumlah wisatawan asing yang datang ke Indonesia model ARIMA. Berdasarkan hasil penelitian diperoleh bahwa model yang memenuhi syarat signifikansi parameter, residual white noise dan berdistribusi normal adalah ARIMA (1,1,0).

Downloads

Download data is not yet available.

References

Fausett, L., (1994). Fundamentals of Neural Networks: Architecture, Algorithms, and Applications, Prentice Hall.

Guo S, Li D, Li MY. (2019). Strict Stationarity Testing and GLAD Estimation of Double Autoregressive Models. Journal of Econometrics, 211, 319–337.

Gong, H dan Li, D. (2020). On the three-step non-gaussian quasi-maximum Likelihood estimation of heavy-tailed double Autoregressive models. Journal of Time Series Analysis, 43, 1-15.

Hidayat, R dan Mustawinar, B. H. (2022). Modeling of The Number of Tourists with Autoregressive Integrated Moving Average and Recurrent Artificial Neural Network. Mathline, 7(1), 53-65.

Liboschik, T., Fokianos, K., dan Fried, R. (2017) tscount: An R package for Analysis of Count Time Series Following Generalized Linear Models. Journal of Statistical Software, 82(5), 1–51.

Lu, M, AbouRizk, S. M. and Hermann, U. H. (2019). Estimating labor productivity using probability inference neural network. Journal of Computing in Civil Engineering, 14(4), 241–248.

Ma, E., Liu, Y., Li, J., dan Chen, S. (2018). Anticipating Chinese tourists arrivals in Australia: A time series analysis. Tourism Management Perspectives, 17, 50-58.

Saayman, A., & Saayman, M. (2010). Forecasting tourist arrivals in South Africa. Acta Commercii, 10, 281-293.

Shahraki, A. S. &Keshtegar, A. (2019). Determining the Efficiency of Economic Tourism Industry in Chababar Free Zone by Using Data Envelopment Analysis (DEA) Method. Journal of Iran Economic Rev, 23, 1019–1039.

Wei, W.W., (2006). Time Series Analysis: Univariate and Multivariate Methods (2nd ed.), Addison Wesley.

Wicaksana, A K., & Fatoni, E Z. (2021). Measurement and Benchmarking of Tourism Efficiency in Java-Indonesia-Nusa Tenggara Islands Using Data Envelopment Analysis. Jurnal Kepariwisataan Indonesia, 15(2), 86-102.

Widyawati, K.A. (2013). Prediksi Jumlah Penumpang Pesawat di Bandar Udara Internasional Ngurah Rai dengan Model Arima, Analisis Intervensi dan Pendekatan Perubahan Struktur, Institut Teknologi Sepuluh November.

Zhang, G. P. (2003). Time Series Forecasting Using Hybrid ARIMA and Neural Network Model. Journal of Neurocomputing, 50, 159-175.

Zhu Q, Zheng Y, Li G. 2018. Linear double autoregression. Journal of Econometrics, 207, 162–174.

Downloads

Published

2022-03-14

How to Cite

[1]
R. Hidayat and B. H. Mustawinar, “PERAMALAN JUMLAH WISATAWAN ASING DENGAN MODEL ARIMA”, IJMA, vol. 2, no. 2, pp. 104–115, Mar. 2022.

Issue

Vol. 2 No. 2 (2022): Terbitan Keempat-2022

Section

Articles

License

Dengan mengirimkan naskah artikel, berarti penulis setuju dengan segala kebijakan yang ditetapkan oleh jurnal dan penerbit.

Penulis menyatakan bahwa:

  • kebijakan ini telah diketahui dan disetujui bersama oleh semua penulis;
  • naskah artikel belum dipublikasikan secara resmi sebelumnya di media ber-ISSN atau ber-ISBN yang terdaftar, kecuali dalam bentuk abstrak atau sebagai bagian dari materi kuliah, atau skripsi/tesis/disertasi yang tidak diterbitkan;
  • naskah tidak sedang dalam proses editorial dan dipertimbangkan untuk publikasi di tempat lain;
  • publikasi naskah ini telah disetujui oleh semua penulis, institusi afiliasi penulis, otoritas yang bertanggung jawab, dan lembaga di mana kegiatan telah dilakukan;
  • naskah berisi materi yang aman dari pelanggaran hak cipta;

Perjanjian Hak Cipta dan Lisensi

  • Penulis memiliki hak cipta dan hak kepemilikan lainnya yang terkait dengan artikel.
  • Penulis memiliki hak dan diizinkan untuk menggunakan substansi artikel untuk karya-karya penulis berikutnya, termasuk untuk keperluan bahan/materi kuliah dan buku.
  • Penulis menyerahkan hak publikasi pertama kepada jurnal dengan di bawah Lisensi Creative Commons (CC BY 4.0).

Pernyataan Lisensi CC BY 4.0

Anda diperbolehkan:

  • Berbagi — menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
  • Adaptasi — menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial.

Pemberi lisensi tidak dapat mencabut ketentuan di atas sepanjang Anda mematuhi ketentuan lisensi berikut ini.

  • Atribusi — Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
  • Tidak ada pembatasan tambahan — Anda tidak dapat menggunakan ketentuan hukum atau sarana kontrol teknologi yang secara hukum membatasi orang lain untuk melakukan hal-hal yang diizinkan lisensi ini.