Application of the SARIMA Method in the Step Function Intervention to Predict the Number of Visitors at Londa Tourism Object
Abstract
The object of this study are to determine the intervention model of the number of visitors at the Londa tourism object and predict the number of visitors at the Londa tourism object for December 2021 to June 2020 using Seasonal Autoregresive Integrated Moving Average (SARIMA) models. The data used is monthly data for the period from January 2018 to November 2021, which was obtained from the manager of the Londa tourist object. The data pattem on the number of visitors at the Londa tourism object experienced significant fluctuations on April 2020 (T=28). The suspected intervention model is a step function because the effect of the intervention that occurred took place over a long period of time, from April 2020 to November 2021 (T=28 to T=47). The best model obtained from the results of data analysis is SARIMA (1,1,0)(1,1,0)[6] with an intervention order of b=0, s=5, and r=2, with MAPE and MAE values are 4,38% and 0,397. Forecasting results from December 2021 to June 2022 respectively, are 2550, 756, 347, 515, 1585, 1287 and 2247 people. The number of visitors will increase during the holiday season, i.e. December and June.
Keywords: Intervention model; Londa tourism object; step function
Penerapan Metode SARIMA dalam Model Intervensi Fungsi Step untuk Memprediksi Jumlah Pegunjung Objek Wisata Londa
ABSTRAK
Tujuan dari penelitian ini yaitu menentukan model intervensi pada data jumlah pengunjung di objek wisata Londa dan memprediksi jumlah pengunjung objek wisata Londa pada bulan Desember 2021 sampai Juni 2022 menggunakan model Seasonal Autoregresive Integrated Moving Average (SARIMA). Data yang digunakan adalah data jumlah pengunjung bulanan pada periode bulan Januari 2018 sampai bulan November 2021, yang diperoleh dari pihak pengelolah objek wisata Londa. Pola data jumlah pengunjung pada objek wisata Londa mengalami fluktuasi yang signifikan, yaitu pada bulan April 2020 (T=28). Model intervensi yang digunakan dalam penelitian ini yaitu fungsi step karena pengaruh yang terjadi berlangsung dalam kurun waktu cukup lama yaitu pada bulan April 2020 sampai November 2021 (T=28 sampai T=47). Model terbaik yang diperoleh dari hasil analisis data yaitu SARIMA (1,1,0)(1,1,0)[6] dengan orde intervensi b=0, s=5, dan r=2, dengan nilai MAPE dan MAE masing-masing sebesar 4,38% dan 0,397. Hasil prediksi dari bulan Desember 2021 sampai Juni 2022 secara berturut-turut yaitu 2550, 756, 347, 515, 1585, 1287 dan 2247 orang. Jumlah pengunjung akan meningkat pada waktu musim liburan yaitu Bulan Desember dan Juni.
Kata kunci: Model intervensi; fungsi step; objek wisata Londa,
Keywords
Full Text:
PDFReferences
Ainy, S.R. 2017. Peramalan Jumlah Kunjungan Wisatawan Mancanegara di Kabupaten Lombok Tengah pada Tahun 2010-2015 Menggunakan Metode SARIMA (Seasonal Autoregressive Integrated Moving Average). Seminar Nasional Dan The 4th Call for Syariah Paper.
Fadilah, N. & Weriantoni. 2019. Analisis Potensi Agrowisata Nagari Batuhampar Kecamatan Akabiluru Kabupaten 50 Kota. Jurnal Ekonomi Dan Bisnis Islam, 4(1): 30–41.
Kustiawan, F.R. & Hudori, H. 2017. Forecasting Jumlah Wisatawan di Taman Wisata Alam Kawah Ijen dengan Metode Exponensial Smoothing Berbantu Zaitun Time Series. Jurnal Pendidikan Matematika dan Matematika, 1(1): 36–49.
Gikungu, S.W., Waititu, A.G., & Kihoro, J.M. 2015. Forecasting inflation rate in Kenya using SARIMA model. American Journal of Theoretical and Applied Statistics, 4(1): 15–18.
Hanum, U., & Murni, D. 2019. Peramalan Jumlah Pengunjung Objek Wisata Waterboom Kota Sawahlunto Tahun 2019 Menggunakan Metode SARIMA. Journal of Mathematics UNP, 4(3): 86–91. https://doi.org/http://dx.doi.org/ 10.3161/unpjomath.v4i3.7193.
Hatidja, D. 2011. Penerapan Model ARIMA untuk Memprediksi Harga Saham PT. TELKOM Tbk. Jurnal Ilmiah Sains, 11(1): 116. https://doi.org/10.35799/ jis.11.1.2011.53.
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.v3i1.506.
Lubis, D.A., Johra, M.B. & Darmawan, G. 2017a. Peramalan Indeks Harga Konsumen dengan Metode Singular Spectral Analysis (SSA) dan Seasonal Autoregressive Integrated Moving Average (SARIMA). Jurnal Matematika “MANTIK,” 3(2): 74–82. https://doi.org/10.15642/mantik.2017.3.2.74-82.
Lubis, D.A., Johra, M.B., & Darmawan, G. 2017b. Peramalan Indeks Harga Konsumen dengan Metode Singular Spectral Analysis (SSA) dan Seasonal Autoregressive Integrated Moving Average (SARIMA). Jurnal Matematika “MANTIK,” 3(2): 74–82. https://doi.org/10.15642/mantik.2017.3.2.74-82.
Mokorimban, F.E., Langi, Y., & Nainggolan, N. 2021. Penerapan Metode Autoregressive Integrated Moving Average (ARIMA) dalam Model Intervensi Fungsi Step terhadap Indeks Harga Konsumen di Kota Manado. D’Cartesian: Jurnal Matematika Dan Aplikasi, 10(1): 91–99. https://doi.org/ https://Doi.org/10.35799/dc.10.2.2021.34969.
Salma, I.A., & Susilowati, I. 2004. Analisis Permintaan Objek Wisata Curug Sewu, Kabupaten Kendal dengan Pendekatan Trael Cost. Jurnal Dinamika Pembangunan (JDP), 1(2): 153–165.
Utomo, P., & Fanani, A. 2020. Peramalan Jumlah Penumpang Kereta Api di Indonesia Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Jurnal Mahasiswa Matematika ALGEBRA, 1(1): 169–178.
Wei, W.W.S. 2013. Time Series Analysis. Oxford University Press. https://doi.org/10.1093/oxfordhb/9780199934898.013.0022.
Yusuf, R.A.M. & Yanti, T.S. 2021. Perbandingan Metode Seasonal Autoregressive Integreted Moving Average (SARIMA) dan Metode Fuzzy Time Series untuk Model Peramalan Jumlah Wisatawan Mancanegara di Bali. Prosiding Statistika, 597–605.
DOI: https://doi.org/10.35799/jis.v22i2.40961
Refbacks
- There are currently no refbacks.
![Creative Commons License](http://licensebuttons.net/l/by-nc/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
My Visitors:
COPYRIGHT NOTICE: Copyright Holder in Jurnal Ilmias Sains is The Author
LICENSE: (CC-BY-NC)