| dc.description.abstract | Peramalan deret waktu terbagi dua, yaitu peramalan deret waktu peubah
tunggal dan peubah ganda. Peramalan data deret waktu peubah tunggal yang paling
sering digunakan adalah model Autoregressive Integrated Moving Average
(ARIMA). Model ARIMA terbagi menjadi ARIMA non musiman dan ARIMA
musiman. ARIMA musiman lebih dikenal dengan istilah Seasonal ARIMA atau
SARIMA. Model ARIMA maupun SARIMA terkadang masih belum cukup untuk
melakukan peramalan terhadap data yang dipengaruhi peubah lain. Model ARIMA
didekati dengan model ARIMAX dan model SARIMA didekati dengan model
SARIMAX dengan menambahkan peubah X sebagai kovariat. Kovariat adalah
peubah yang diduga berpengaruh terhadap model ARIMA/SARIMA.
Salah satu peramalan data deret waktu peubah ganda adalah model Vector
Autoregressive Integrated Moving Average (VARIMA). Model VARIMA
digunakan untuk membuat model dari dua objek yang memiliki keterkaitan atau
pengaruh dan salah satu objek bisa digunakan untuk meramalkan objek yang lain.
Sama seperti model ARIMA, model VARIMA juga terkadang membutuhkan
peubah penjelas lain yang dimasukkan ke dalam model sebagai kovariat yang
disebut model VARIMAX.
Penelitian ini membangun model deret waktu ARIMA/SARIMA dan
VARIMA. Data yang digunakan adalah data kunjungan wisatawan mancanegara
dan kedatangan penumpang internasional di Bandara Kualanamu, Soekarno Hatta,
Juanda, Ngurah Rai, dan Hasanudin periode Januari 2010 hingga Desember 2017.
Model dengan kovariat ARIMAX/SARIMAX dan VARIMAX dibangun untuk
mengkaji efek kovariat kurs, inflasi, dan PDRB terhadap model tanpa kovariat.
Model tanpa dan dengan kovariat akan dibandingkan untuk mendapatkan model
dengan kinerja peramalan terbaik.
Tahapan analisis yang digunakan pada penelitian ini meliputi eksplorasi
data, pemeriksaan kestasioneran data baik dalam ragam maupun rataan, dan
pembentukan model. Pembentukan model peubah tunggal ARIMA/SARIMA
dilakukan pada masing-masing peubah kunjungan wisatawan mancanegara dan
kedatangan penumpang internasional di tiap bandara.Model ARIMAX/SARIMAX
dibentuk dengan melakukan pemodelan regresi antara peubah bebas yaitu model
ARIMA/SARIMA yang telah terbentuk sebelumnmya, dengan menambahkan
kovariat kurs, inflasi, dan PDRB. Pemodelan peubah ganda dilakukan pada peubah
kunjungan wisatawan mancanegara dan kedatangan penumpang internasional di
tiap bandara. Model VARIMAX dibentuk dengan melakukan pemodelan regresi
berdasarkan model VARIMA yang telah terbentuk sebelumnya, dengan
menambahkan kovariat kurs, inflasi, dan PDRB. Perbandingan model tanpa dan
dengan kovariat dilihat dari nilai MAPE pada data testing. Model dengan kinerja
terbaik adalah model yang memiliki nilai MAPE terkecil.
Hasil penelitian menunjukkan bahwa pemodelan peubah tunggal pada
peubah kunjungan wisatawan mancanegara di Bandara Hasanudin tidak memiliki
pola musiman sehingga model peubah tunggal yang terbentuk adalah model
ARIMA, sedangkan keempat bandara lain membentuk model SARIMA.
Pemodelan peubah tunggal pada peubah kedatangan penumpang internasional
membentuk model SARIMA di kelima bandara. Model SARIMA yang terbentuk
menunjukkan bahwa peubah kunjungan wisatawan mancanegara dan kedatangan
penumpang internasional memiliki pola periodik setiap 12 bulan yang artinya akan
berulang di bulan yang sama pada tahun berikutnya.
Penambahan kovariat pada model ARIMA/SARIMA menunjukkan bahwa
kedatangan penumpang internasional tidak dipengaruhi oleh faktor diluar peubah
kedatangan penumpang internasional itu sendiri. Penambahan kovariat pada peubah
kunjungan wisatawan mancanegara menunjukkan hasil yang berbeda. Kovariat
kurs, inflasi, dan PDRB akan berpengaruh terhadap kinerja dari model peramalan
kunjungan wisatawan (ARIMAX/SARIMAX lebih baik dari ARIMA/SARIMA). | id |
