Perbandingan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) dengan Support Vector Regression (SVR) dalam Memprediksi Jumlah Kunjungan Wisatawan Mancanegara ke Bali
Abstract
Berbagai sumber pendapatan yang dapat dihasilkan dalam suatu daerah, salah satunya yaitu dalam sektor pariwisata. Seperti halnya sektor yang lain, sektor pariwisata juga memberikan banyak sumbangan bagi pembangunan ekonomi di suatu daerah maupun negara tujuan wisata. Indonesia memiliki banyak tujuan wisata daerah yang sudah terkenal hingga mancanegara salah satunya yaitu Pulau Bali. Bali merupakan daerah yang sudah memiliki kedudukan yang sejajar dengan daerah-daerah tujuan wisata lainnya yang ada di dunia. Sebagai suatu daerah yang sangat berpotensi dalam pengembangan wisata, maka pemerintah memberikan perhatian yang khusus dalam pengembangan pariwisata di Pulau Bali. Maka dari itu, perlu adanya peramalan jumlah kunjungan wisatawan mancanegara ke Bali yang nantinya bisa bermanfaat bagi pemerintah daerah maupun dinas pariwisata. Dalam hal ini, akan digunakan dua metode untuk meramalkan jumlah kunjungan wisatawan mancanegara ke Bali. Adapun metode yang digunakan yaitu Seasonal ARIMA dan Support Vector Regression (SVR). Hasil peramalan data out sampel dengan menggunakan metode SARIMA dan SVR menunjukkan bahwa metode SARIMA memiliki nilai MAPE lebih kecil dari pada SVR. Nilai MAPE motode SARIMA adalah 5,33% sedangkan metode SVR sebesar 19,74%. Begitu juga nilai MSE dan MAE dari metode SARIMA lebih kecil dari metode SVR. Dari Penelitian yang dilakukan dapat disimpulkan bahwa model SARIMA merupakan motode yang lebih baik untuk memprediksi jumlah kunjungan wisatawan mancanegara ke Bali.
References
Cortes, C., & Vapnik, V. (1995). Suport-Vector Networks. Machine Learning, 20, 273–297. https://doi.org/10.1109/64.163674
Hadiriyanto, I., Darsyah, M. Y., & Semarang, U. M. (2018). Peramalan Jumlah Wisatawan Mancanegara di Provinsi Bali dengan Menggunakan ARIMA dan Winter. Prosiding Seminar Nasional Mahasiswa Unimus, 1, 405–411.
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
Herawati, S. (2016). Peramalan Kunjungan Wisatawan Mancanegara Menggunakan Generalized Regression Neural Networks. Jurnal Infotel, 8(1), 35–39.
Indrasetianingsih, A., Damayanti, I., & Susanto, T. (2017). Analisis ARIMA Box Jenkins untuk Peramalan Jumlah Kunjungan Wisatawan Mancanegara di Indonesia. Seminar Nasional Matematika Dan Aplikasinya, 226–229.
Lee, M. H., Rahman, N. H. A., Suhartono, Latif, M. T., Nor, M. E., & Kamisan, N. A. B. (2012). Seasonal ARIMA for Forecasting Air Pollution Index : A Case Study. American Journal of Applied Sciences, 9(4), 570–578.
Makridakis, S., Wheelwright, S. C., & McGee, V. E. (1999). Metode dan Aplikasi Peramalan (Jilid 2). Jakarta: Binarupa Aksara.
Raharyani, M. P., Putri, R. R. M., & Setiawan, B. D. (2018). Implementasi Algoritme Support Vector Regression Pada Prediksi Jumlah Pengunjung Pariwisata. Jurnal Teknologi Informasi Dan Ilmu Komputer, 2(4), 1501–1509.
Rosadi, D. (2012). Ekonometrika & Analisis Runtun Waktu Terapan dengan Eviews. Yogyakarta: Andi Offset.
Rosadi, D. (2016). Analisis Runtun Waktu dan Aplikasinya dengan R. Yogyakarta: Gajah Mada University Press.
Santoso, B. (2007). Data Mining Teknik Pemanfaatan Data untuk Kepentingan Bisnis. Yogyakarta: Graha Ilmu.
Subdirektorat Statistik Pariwisata. (2017). Neraca Satelit Pariwisata Nasional (NASPERNAS) 2017. Retrieved from https://www.bps.go.id/publication/2019/03/26/66604e9f077983c15b80e2bc/neraca-satelit-pariwisata-nasional--nesparnas--201
Wei, W. W. S. (2006). Time Series Analysis: Univariate and Multivariate Methods Second Edition. USA: Pearson Education.
Widarjono, A. (2017). Ekonometrika Pengantar dan Aplikasinya Disertai Panduan Eviews (4th ed.). Yogyakarta: UPP STIM YKPN.
