Peramalan Data Kunjungan Wisatawan Mancanegara ke Indonesia menggunakan Fuzzy Time Series

Indra Jiwana Thira, Nissa Almira Mayangky, Desiana Nur Kholifah, Imanuel Balla, Windu Gata

Abstract


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.


Keywords


Wisatawan; Pariwisata; Forecasting; Time Series; Fuzzy Time Series

Full Text:

PDF

References


Affandi, L., Syulistyo, A. R., & Putra, F. R. (2018). Pengembangan Aplikasi Mobile Peramalan Cuaca Untuk Penentuan Tanaman Pangan Menggunakan. Informatika Polinema, 4(2), 117–124.

Cai, Q., Zhang, D., Wu, B., & Leung, S. C. H. (2013). A Novel Stock Forecasting Model based on Fuzzy Time Series and Genetic A novel stock forecasting model based on fuzzy time series and genetic algorithm. In International Conference on Computational Science. https://doi.org/10.1016/j.procs.2013.05.281

Chen, S. (1996). Forecasting enrollments based on fuzzy time series. Fuzzy Sets and System, 81, 311–319.

Duru, O., & Yoshida, S. (2014). Comparative analysis of fuzzy time series and judgmental forecasting : an empirical study of forecasting dry bulk shipping index, (August).

Elmunim, N. A., Abdullah, M., Hasbi, A. M., & Bahari, S. A. (2013). Short-term Forecasting Ionospheric Delay Over UKM , Malaysia , Using the Holt-Winter Method, (July), 1–3.

Handayani, L., & Anggriani, D. (2015). Perbandingan Model Chen Dan Model Lee Pada Metode Fuzzy Time Series Untuk. Jurnal Pseudocode, 28–36.

Nangi, J., Indrianti, S. H., & Pramono, B. (2018). Peramalan Persediaan Obat Menggunakan Metode Triple Exponential Smoothing. SemanTIK, 4(1), 135–142.

Oka, T. B., & Kencana, E. N. (2016). Pendekatan Fuzzy Pada Peramalan Jumlah Kunjungan Wisatawan Mancanegara ke Kabupaten Badung. Jurnal Matematika, 6(Desember). https://doi.org/10.24843/JMAT.2016.v06.i02.p76

Rawat, K. S., & Massiha, G. H. (2015). Hardware Implementation of FIR Neural Network for Applications in Time Series Data Prediction. TELKOMNIKA, 14(1), 130–139. https://doi.org/10.11591/telkomnika.v14i1.7272

Saputra, Y. L., & Ekojono. (2015). Sistem Informasi Prediksi Jumlah Wisatawan Pada Jawa Timur Park Group Kota Wisata Batu Menggunakan Metode Forecasting, 127–131.

Setiawan, W., Juniati, E., & Farida, I. (2017). 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 International Conference on Science in Information Technology, ICSITech 2016: Information Science for Green Society and Environment, 198–202. https://doi.org/10.1109/ICSITech.2016.7852633

Tauryawati, M. L., & Irawan, M. I. (2014). Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG. Jurnal Sains Dan Seni POMITS, 3(2), A 34-39.

Ujianto, Y., & Isa, M. (2015). Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi Kasus: Penutupan Harga IHSG), 4(2).

Wicaksana, A. S., Setiawan, B. D., & Rahayudi, B. (2018). Algoritma Genetika Untuk Optimasi Fuzzy Time Series Dalam Memprediksi Kepadatan Lalu Lintas di Jalan Tol. Pengembangan Teknologi Informasi Dan Komputer, 2(3), 1063–1071.

Wijaya, A. B., Dewi, C., & Rahayudi, B. (2018). Peramalan Curah Hujan Menggunakan Metode High Order Fuzzy Time Series Multi Factors. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(3), 930–939.




DOI: http://dx.doi.org/10.26418/jp.v5i1.31074

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.  
  View My Stats