Peramalan Data Kunjungan Wisatawan Mancanegara ke Indonesia menggunakan Fuzzy Time Series

research
  • 15 Dec
  • 2020

Peramalan Data Kunjungan Wisatawan Mancanegara ke Indonesia menggunakan Fuzzy Time Series

Wisatawan mancanegara memegang peranan penting terhadap pertumbuhan ekonomi dari sektor pariwisata. Untuk meningkatkan kunjungan wisatawan mancanegara perlu dilakukan pembangunan yang berkelanjutan pada sektor pariwisata. Pembangunan yang dilakukan harus sejalan dengan tren pertumbuhan kunjungan wisatawan mancanegara agar pembangunan tepat sasaran, efektif dan efisien. penelitian ini bertujuan untuk meramalkan kunjungan wisatawan mancanegara ke Indonesia menggunakan metode Fuzzy Time Series. Data historis yang digunakan adalah data kunjungan wisatawan mancanegara ke Indonesia periode Januari Tahun 2013 sampai dengan Desember Tahun 2017 dari Badan Pusat Statistik (BPS). Implementasi Fuzzy Time Series pada data historis menghasilkan Mean Absolute Percentage Error (MAPE) sebesar 4,42 % dengan tingkat kesalahan tertinggi sebesar sebesar 18,05% pada Januari 2014 dan kesalahan terendah sebesar 0,04% pada Mei 2017. Hasil tersebut menunjukan bahwa penggunakan Fuzzy Time Series pada peramalan data kunjungan wisatawan mancanegara ke Indonesia memiliki hasil yang sangat baik.

Unduhan

 

REFERENSI

[1] T. B. Oka and E. N. Kencana, ―Pendekatan Fuzzy Pada

Peramalan Jumlah Kunjungan Wisatawan Mancanegara ke

Kabupaten Badung,‖ J. Mat., vol. 6, no. December 2016, 2016.

[2] M. Elena, M. H. Lee, Suhartono, Hossein, N. Haizum, and N.

A. Bazilah, ―Fuzzy Time Series and SARIMA Model for

Forecasting Tourist Arrivals to Bali,‖ J. Teknol., vol. 57, no.

March, pp. 69–81, 2012.

[3] I. M. C. SATRIA, I. K. G. SUKARSA, and K.

JAYANEGARA, ―Peramalan Jumlah Wisatawan Australia

Yang Berkunjung Ke Bali Menggunakan Multivariat Fuzzy

Time Series,‖ E-Jurnal Mat., vol. 4, no. 3, p. 90, 2015.

[4] Y. L. Saputra and Ekojono, ―Sistem Informasi Prediksi Jumlah

Wisatawan Pada Jawa Timur Park Group Kota Wisata Batu

Menggunakan Metode Forecasting,‖ J. Inform. Polinema, vol.

2, no. 3, 2016.

[5] S. Molydah, ―Analisis Perbandingan Implementasi Sarima Dan

Support Vector Machine (Svm) Dalam Prediksi Jumlah

Wisatawan Mancanegara,‖ 2018.

[6] A. B. Elfajar, B. D. Setiawan, and C. Dewi, ―Peramalan

Jumlah Kunjungan Wisatawan Kota Batu Menggunakan

Metode Time Invariant Fuzzy Time Series,‖ vol. 1, no. 2, pp.

85–94, 2017.

[7] E. Sadewo, ―Perbandingan Beberapa Metode Time Series Pada

Peramalan Jumlah Kunjungan Wisatawan Mancanegara : Studi

Kasus Di Kabupaten Karimun, Provinsi Kepulauan Riau,‖ no.

December, 2016.

[8] O. Duru and S. Yoshida, ―Comparative analysis of fuzzy time

series and judgmental forecasting : an empirical study of

forecasting dry bulk shipping index,‖ no. August, 2014.

[9] Y. Ujianto and M. Isa, ―Perbandingan Performansi Metode

Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan

Syaraf Tiruan Backpropagation (Studi Kasus: Penutupan

Harga IHSG),‖ vol. 4, no. 2, 2015.

[10] M. L. Tauryawati and M. I. Irawan, ―Perbandingan Metode

Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk

Memprediksi IHSG,‖ J. Sains dan Seni POMITS, vol. 3, no. 2,

p. A 34-39, 2014.

[11] A. S. Wicaksana, B. D. Setiawan, and B. Rahayudi,

―Algoritma Genetika Untuk Optimasi Fuzzy Time Series

Dalam Memprediksi Kepadatan Lalu Lintas di Jalan Tol,‖

Pengemb. Teknol. Inf. dan Komput., vol. 2, no. 3, pp. 1063–

1071, 2018.

[12] N. Fauziah, S. Wahyuningsih, Y. N. Nasution, E. Smoothing,

and N. Network, ―Peramalan Mengunakan Fuzzy Time Series

Chen ( Studi Kasus : Curah Hujan Kota Samarinda ),‖ vol. 4,

no. 2, 2016.

[13] K. Istiqara and M. T. Furqon, ―Prediksi Kebutuhan Air PDAM

Kota Malang Menggunakan Metode Fuzzy Time Series

Dengan Algoritma Genetika,‖ vol. 2, no. 1, pp. 133–142, 2018.

[14] S. S. Berutu, ―Peramalan Penjualan dengan Metode Fuzzy

Time Series,‖ 2013.

[15] M. S. Haris, ―Implementasi Metode Fuzzy Time Series dengan


Penentuan Interval Berbasis Rata-Rata Untuk Peramalan Data

Penjualan Bulanan,‖ 2010.

[16] S. Chen, ―Forecasting enrollments based on fuzzy time series,‖

Fuzzy Sets Syst., vol. 81, pp. 311–319, 1996.

[17] N. A. Elmunim, M. Abdullah, A. M. Hasbi, and S. A. Bahari,

―Short-term Forecasting Ionospheric Delay Over UKM ,

Malaysia , Using the Holt-Winter Method,‖ no. July, pp. 1–3,

2013.

[18] W. Setiawan, E. Juniati, and I. Farida, ―The use of Triple

Exponential Smoothing Method (Winter) in forecasting

passenger of PT Kereta Api Indonesia with optimization alpha,

beta, and gamma parameters,‖ Proceeding - 2016 2nd Int.

Conf. Sci. Inf. Technol. ICSITech 2016 Inf. Sci. Green Soc.

Environ., pp. 198–202, 2017.

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru