Prediksi Kunjungan Wisatawan Mancanegara Melalui Pintu Udara Menggunakan ARIMA, Glmnet, dan Prophet

Fakhrul Mu'minin; Fauziah Fauziah; Aris Gunaryati

doi:10.33633/tc.v21i1.5695

Authors

Fakhrul Mu'minin Universitas Nasional
Fauziah Fauziah Universitas Nasional
Aris Gunaryati Universitas Nasional

DOI:

https://doi.org/10.33633/tc.v21i1.5695

Keywords:

Prediksi, Pariwisata, ARIMA, Glmnet, Prophet

Abstract

Pariwisata merupakan salah satu industri yang memberikan kemajuan perekonomian negara. Pandemi COVID-19 mengakibatkan industri pariwisata memburuk karena pembatasan kunjungan yang secara luas. Tujuan penelitian ini untuk mendapatkan model terbaik dalam memprediksi kunjungan wisatawan mancanegara ke Indonesia melalui pintu udara dengan membandingkan tiga metode, yaitu ARIMA, Prophet, dan Glmnet. Data yang digunakan adalah data bulanan Badan Pusat Statistik dengan periode Januari 2017 sampai dengan November 2021. Hasil penelitian ini menunjukkan model ARIMA merupakan model terbaik untuk melakukan prediksi dibandingkan model Prophet dan Glmnet karena menghasilkan nilai terbaik pada MAE sebesar 749030.4, MAPE sebesar 23196.45, MASE sebesar 17.86681, SMAPE sebesar 175.9592, dan RMSE sebesar 779670.7. Berdasarkan hasil prediksi menggunakan model ARIMA(1,1,0)(0,0,1)12, dalam 12 bulan berikutnya, menunjukkan kunjungan wisatawan mancanegara ke Indonesia melalui pintu udara cenderung mengalami peningkatan. Menindaklanjuti hasil penelitian ini, bahwa penggunaan kombinasi model harus lebih dioptimalkan untuk pembaharuan dalam teknik peramalan.

References

O. A. Putri, Poningsih, dan H. S. Tambunan, “Prediksi Kunjungan Wisatawan Mancanegara Ke Indonesia Menggunakan Jaringan Saraf Tiruan Dengan Algoritma Backpropagation,” Januari, vol. 2, no. 1, hal. 1–7, 2021, [Daring]. Tersedia pada: http://tunasbangsa.ac.id/pkm/index.php/kesatria/article/view/51.

bps.go.id, “Berita Resmi Statistik : Perkembangan Pariwisata dan Transportasi Nasional November 2021,” 2021.

I. A. Tarigan, I. P. A. Bayupati, dan G. A. A. Putri, “Comparison of support vector machine and backpropagation models in forecasting the number of foreign tourists in Bali province,” J. Teknol. dan Sist. Komput., vol. 9, no. 2, hal. 90–95, 2021, doi: 10.14710/jtsiskom.2021.13847.

N. Abu, W. N. Syahidah, M. M. Afif, dan S. Z. Nordin, “SARIMA and Exponential Smoothing model for forecasting ecotourism demand: A case study in National Park Kuala Tahan, Pahang,” J. Phys. Conf. Ser., vol. 1988, no. 1, 2021, doi: 10.1088/1742-6596/1988/1/012118.

N. F. Fauzi, N. S. Ahmadi, N. H. Shafii, dan H. Z. Ab Halim, “A Comparison Study on Fuzzy Time Series and Holt-Winter Model in Forecasting Tourist Arrival in Langkawi, Kedah,” J. Comput. Res. Innov., vol. 5, no. 1, hal. 34–43, 2020, doi: 10.24191/jcrinn.v5i1.138.

D. Febrian, S. I. Al Idrus, dan D. A. J. Nainggolan, “The Comparison of Double Moving Average and Double Exponential Smoothing Methods in Forecasting the Number of Foreign Tourists Coming to North Sumatera,” J. Phys. Conf. Ser., vol. 1462, no. 1, 2020, doi: 10.1088/1742-6596/1462/1/012046.

E. N. Sari, B. Susanto, dan A. Setiawan, “Perbandingan Hasil Peramalan Jumlah Wisatawan Mancanegara Dengan Metode Box-Jenkins Dan Exponential Smoothing,” Jambura J. Probab. Stat., vol. 2, no. February 2020, 2021.

bps.go.id, “Jumlah Kunjungan Wisatawan Mancanegara per bulan ke Indonesia Menurut Pintu Masuk, 2017 - sekarang (Kunjungan), 2021,” bps.go.id, 2021. https://www.bps.go.id/indicator/16/1150/1/jumlah-kunjungan-wisatawan-mancanegara-per-bulan-ke-indonesia-menurut-pintu-masuk-2017---sekarang.html (diakses Jan 09, 2022).

S. Jere, A. Banda, B. Kasense, I. Siluyele, dan E. Moyo, “Forecasting Annual International Tourist Arrivals in Zambia Using Holt-Winters Exponential Smoothing,” Open J. Stat., vol. 09, no. 02, hal. 258–267, 2019, doi: 10.4236/ojs.2019.92019.

S. Patandung dan I. Jatnika, “The FB Prophet Model Application to the Growth Prediction of International Tourists in Indonesia during the COVID-19 Pandemic,” vol. 6, no. 2, hal. 110–115, 2021.

S. Engebretsen dan J. Bohlin, “Statistical predictions with glmnet,” Clin. Epigenetics, vol. 11, no. 1, hal. 10–12, 2019, doi: 10.1186/s13148-019-0730-1.

S. Polyzos, A. Samitas, dan A. E. Spyridou, “Tourism demand and the COVID-19 pandemic: an LSTM approach,” Tour. Recreat. Res., vol. 46, no. 2, hal. 175–187, 2021, doi: 10.1080/02508281.2020.1777053.