Prosiding Semirata FMIPA Universitas Lampung, 2013

dokumen-dokumen yang mirip
III. METODE PENELITIAN

BAB 2 LANDASAN TEORI

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

BAB 2 LANDASAN TEORI

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung

ANALISIS KELAYAKAN RENCANA PEMBUKAAN SHOWROOM MOBIL OLEH PT XYZ BERDASARKAN RAMALAN PERMINTAAN DI BANDA ACEH

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.

model Seasonal ARIMA

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK

PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA

Peramalan Permintaan Paving Blok dengan Metode ARIMA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Kekayaan sumber daya alam yang dimiliki kawasan Indonesia menjadikan Indonesia

Bab IV. Pembahasan dan Hasil Penelitian

IMPLEMENTASI METODE BOX-JENKINS UNTUK MEMPREDIKSI HARGA MINYAK DUNIA DAN PENGARUHNYA TERHADAP HARGA MINYAK INDONESIA

ANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT

III. METODE PENELITIAN

PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.

ANALISIS DERET BERKALA MULTIVARIAT DENGAN MENGGUNAKAN MODEL FUNGSI TRANSFER: STUDI KASUS CURAH HUJAN DI KOTA MALANG

Analisa Performansi Dan Peramalan Call Center PT.INDOSAT, Tbk dengan Menggunakan Formula Erlang C

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

Aplikasi Metode Box-Jenkins dalam Memprediksi Pertumbuhan Perdagangan Luar Negeri Provinsi Riau

BAB I PENDAHULUAN. 1.1 Latar Belakang. Rumah Sakit merupakan salah satu faktor yang penting dalam kehidupan

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN Latar Belakang

Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan

Metode Deret Berkala Box Jenkins

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

Pemodelan ARIMA Non- Musim Musi am

BAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto

PROSPEK PERDAGANGAN KOPI ROBUSTA INDONESIA DI PASAR INTERNASIONAL. (Indonesian Robusta Coffee Trade Prospects In The International Markets)

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

BAB 2 LANDASAN TEORI

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)

PENERAPAN METODE BOX-JENKINS DALAM MERAMALKAN INDEKS HARGA KONSUMEN DI KOTA PEKANBARU

PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS

BAB 2 LANDASAN TEORI. Ramalan pada dasarnya merupakan perkiraan mengenai terjadinya suatu yang akan

BAB 2 LANDASAN TEORI. diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat

OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER

PERAMALAN CURAH HUJAN KOTA PONTIANAK DENGAN DEKOMPOSISI SENSUS II

BAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu

BAB I PENDAHULUAN. Pasar modal adalah tempat kegiatan perusahaan untuk mencari dana yang

ABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan

Prediksi Wisatawan Mancanegara Ke Jawa Barat Melalui Pintu Masuk Bandara Husein Sastranegara dan Pelabuhan Muarajati Menggunakan Metode SARIMA

Prosiding Seminar Nasional MIPA 2016

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun

HASIL DAN PEMBAHASAN. Eksplorasi Data

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

PERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA

BAB 2 LANDASAN TEORI Pengertian Data Deret Berkala

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS INTERVENSI FUNGSI STEP

Transkripsi:

Prosiding Semirata FMIPA Universitas Lampung, 2013 PENGGUNAAN METODE ARIMA UNTUK MERAMALKAN JUMLAH WISATAWAN MANCANEGARA YANG DATANG KE SUMATERA UTARA MELALUI FASILITAS BANDARA INTERNASIONAL POLONIA MEDAN Atus Amadi Putra 1, Arija Ardial 2 1 Staf Pengajar FMIPA UNP, 2 Supervisor BreadTalk PT Talkindo S. Anugerah Indonesia Atusamadi_putra@yahoo.co.id Abstrak. Keterkenalan Danau Toba yang terletak di Kabupaten Toba Samosir, daerah Berastagi, dan Danau Lau Kawar di kaki Gunung Sinabung Kabupaten Karo Sumatera Utara merupakan tempat menarik yang pantas dikunjungi. Potensi alam ini menyebabkan Sumatera Utara banyak diminati sebagai tujuan wisata dan juga dapat mendukung perkembangan pembangunan pada daerah tersebut. Masalah yang dihadapidikarenakan jumlah kunjungan wisatawan yang terus meningkat dan menurun disaat bulan-bulan tertentuakibatnya pelayanan kurang memuaskan dan mengakibatkan kekecewaan bagi wisatawan mancanegara. Hal ini sangat merugikan Indonesia umumnya dan kota Medan khususnya sebagai wilayah tujuan wisata dan tuan rumah. Dan untuk meramalkan pada masa yang akan datang dari data masa lalu tersebut memerlukan perkiraan angka pasti terhadap jumlah kunjungan tersebut setiap bulannya, agar pihak bandara dapat mengantisipasi pada bulan yang mengalami peningkatan jumlah kunjungan yang cukup tajam. Salah satu metode yang dapat digunakan adalah metode ARIMA. Berdasarkan latar belakang yang telah dijelaskan diatas, maka rumusan masalah dalam penelitian ini adalah: (1) Bagaimana bentuk model ARIMA datang ke Sumatera Utara melalui pintu masuk bandara Internasional Polonia Medan pada tahun 2010? dan (2) bagaimanakah hasil peramalan jumlah wisatawan mancanegara yang datang ke Sumatera Utara melalui pintu masuk bandara Internasional Polonia Medan pada tahun 2010?. Pada dasarnya tujuan penelitian ini adalah untuk menjawab apa yang telah dirumuskan. Penelitianini merupakan penelitian terapan yang diawali dengan studi kepustakaan. Berdasarkan hasil penelitian yang telah dilakukan dan diperoleh dari analisis data terhadap datang ke Sumatera Utara melalui fasilitas bandara internasional Polonia Medan adalah : (1) Model ARIMA (2) Hasil peramalan berdasarkan data Januari 2005 sampai Desember 2009 untuk tahun 2010 adalah berturut turut dari bulan januari sampai Desember hasil ramalannya 10958.80, 9.963.404, 11311.78, 11679.92, 11191.81, 11071.90, 11232.01, 11272.78, 11218.48, 11204.81, 11223.03, dan 11227.63. Kata Kunci: wisatawan, Danau Toba Sumatera Utara, Model ARIMA PENDAHULUAN Objek wisata adalah hal yang tidak dapat dipisahkan dari provinsi Sumatera Utara. Keelokan alam dibeberapa sisi wilayahnya menjadi daya tarik tersendiri bagi provinsi tersebut dalam menarik minat pengunjung dari kalangan mancanegara untuk berkunjung dan menikmati indahnya objek wisata tersebut.provinsi sumatera Utara Memiliki objek wisata berskala international, salah Semirata 2013 FMIPA Unila 39

Atus Amadi Putra Dan Arija Ardial: Penggunaan Metode Arima Untuk Meramalkan Jumlah Wisatawan Mancanegara Yang Datang Ke Sumatera Utara Melalui Fasilitas Bandara Internasional Polonia Medan satunya adalah Danau Toba. Keterkenalan Danau Toba yang terletak di Kabupaten Toba Samosir yang merupakan danau terbesar yang ada di Indonesia. Namun di Sumatera Utara bukan hanya Danau Toba saja tempat menarik yang pantas dikunjungi, namun bisa berkunjung keberbagai tempat, seperti Berastagi, Danau Lau Kawar di kaki Gunung Sinabung Kabupaten Karo. Potensi alam ini menyebabkan Sumatera Utara banyak diminati sebagai tujuan wisata dan juga dapat mendukung perkembangan pembangunan pada daerah tersebut. Setiap bulan tercatat ribuan wisatawan mancanegara yang berkunjung, hal ini mengakibatkan laju perekonomian Sumatera Utara meningkat, seperti dilansir pada triwulan ketiga tahun 2006 laju perekonomian Sumatera Utara berhasil tumbuh 6,50 persen dibandingkan tahun 2005 yang mencapai 5,52 persen pada triwulan yang sama. Peningkatan tersebut hampir disemua sektor perekonomian Sumatera Utara. Sektorsektor yang mengalami peningkatan kinerja adalah sektor pertanian (4,86 persen), sektor industri (2,51 persen), sektor bangunan (2,82 persen), sektor perdagangan, hotel dan restoran (3,53 persen), dan sektor pengangkutan dan komunikasi (3,91 persen). Salah satu faktor peningkatan perekonomian Sumatera Utara adalah kunjungan wisatawan mancanegara. (Surat Kabar Waspada Online). Maju pesatnya jumlah kunjungan wisatawan mancanegara yang datang ke Sumatera Utara, menyisakan pula hal-hal yang kurang mengesankan. Seperti kurangnya pelayanan bandar udara dalam melayani wisatawan mancanegara yang datang melalui fasilitas bandara diakibatkan jumlah wisatawan yang meningkat melebihi perkiraan pihak bandara. Berdasarkan data Badan Pusat Statiska Sumatera Utara, jumlah kunjungan wisatawan yang berkunjung melalui pintu masuk bandara Polonia ini selalu mengalami peningkatan pada setiap tahunnya. Peningkatan ini terlihat jelas pada wisatawan mancanegara sejak tahun 2005 yaitu jumlah kunjungan mencapai 106.083 jiwa, kemudian pada tahun 2007 jumlah kunjungan mencapai 116.614 jiwa, bahkan terjadi peningkatan yang signifikan pada 2008 yaitu jumlah kunjungan mencapai 130.211 jiwa. Data terakhir yang diperoleh yaitu pada tahun 2009 yang mana jumlah kunjungan wisatawan mencapai 148.193 jiwa. Jika dilihat dari daerah kebangsaan wisatawan mancanegara yang berkunjung ke Sumatera Utara, berdasarkan data Badan Pusat Statistika Sumatera Utara pada tahun 2005 jumlah kunjungan wisatawan mancanegara (wisman) yang masuk melalui pintu masuk bandara polonia Medan dari ASEAN mencapai 72.766 jiwa, ASIA 9.697 jiwa, Eropa 14.014 jiwa, Amerika 6.129 jiwa, Oceania 2.530 jiwa, Afrika 530 jiwa, Stateless 251 jiwa dan lain-lainnya mencapai 166 jiwa. Kemudian pada tahun 2007 jumlah kunjungan wisman dari ASEAN mencapai 82.546 jiwa, ASIA 12.237 jiwa. Eropa 14.785 jiwa, Amerika 3952 jiwa, Oceania 2.581 jiwa, Afrika 454 jiwa, Stateless 6 jiwa dan lain-lainnya mencapai 53 jiwa. Bahkan data terakhir yang diperoleh mengalami peningkatan signifikan pada tahun 2009 dimana jumlah kunjungan wisatawan mancanegara menurut asal kebangsaan yang masuk melalui pintu masuk bandara polonia dari ASEAN 109.823 jiwa, ASIA 12.582 jiwa, Eropa 16.205 jiwa, Amerika 3.230 jiwa, Oceania 2.999 jiwa, Afrika 404 jiwa dan lainlainnya mencapai 2.247 jiwa.masalah yang dihadapi kadangkala dikarenakan datang meningkat, akibatnya pelayanan kurang memuaskan dan mengakibatkan kekecewaan bagi wisatawan mancanegara. Hal ini sangat merugikan Indonesia 40 Semirata 2013 FMIPA Unila

Data Dara Data Prosiding Semirata FMIPA Universitas Lampung, 2013 umumnya dan kota Medan khususnya sebagai wilayah tujuan wisata dan tuan rumah. Timbulnya masalah ini dikarenakan jumlah kunjungan wisatawan yang terus meningkat dan menurun disaat bulan-bulan tertentu. Salah satu metode yang dapat digunakan dalam menentukan model pada deret waktu adalah metode ARIMA. Metode ARIMA ini menggunakan pendekatan iteratif dalam mengidentifikasi suatu model yang paling tepat dari semua kemungkinan model yang ada. Kelebihan dari metode ini sifatnya umum, yaitu dapat menangani hampir semua data deret waktu. Model tersebut dikatakan tepat jika residual antara model peramalan dengan titik-titik data historis kecil, terdistribusi secara random dan independen satu sama lain. Penggunaan metode ARIMA dirasa tepat dalam meramalkan data jumlah penumpang mancanegara yang datang ke Sumatera Utara menggunakan fasilitas Bandara Internasional Polonia tahun 2010, sehingga penulis tertarik untuk menggunakan metode ini dalam penelitian yang Penggunaan Metode ARIMA untuk Meramalkan Jumlah Wisatawan Mancanegara yang Datang ke Sumatera Utara melalui Fasilitas Bandara Internasional Polonia Medan. Diharapkan dengan penelitian ini dapat memberikan gambaran kepada pemerintah dan pihak bandara mengenai banyak wisatawan mancanegara yang akan datang ke Sumatera Utara dan dapat menyikapinya dengan baik. Tujuan yang ingin dicapai dalam penelitian ini adalahuntuk mendapatkan model ARIMA dari data jumlah wisatawan yang datang melalui pintu masuk bandara Polonia Medan dan untuk mendapatkan hasil peramalan data jumlah wisatawan mancanegara yang datang ke Sumatera Utara melalui pintu masuk bandara Internasional Polonia Medan pada periode Jan-Des 2010. Dalam peramalan harus berdasarkan pada pola data yang ada. Ada empat pola data : 1. Pola Horisontal Terjadi bila mana data berfluktuasi di sekitar rata-ratanya. Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis ini. Secara umum struktur datanya dapat digambarkan sebagai berikut : Waktu Gambar 1. Pola Horizontal 2. Pola Musiman Terjadi bila mana nilai data dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu). Secara umum struktur datanya dapat digambarkan sebagai berikut : Gambar 2. Pola Musiman 3. Pola Siklis Terjadi bila mana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Secara umum struktur datanya dapat digambarkan sebagai berikut : Waktu Waktu Gambar 3. Pola Siklis Semirata 2013 FMIPA Unila 41

Atus Amadi Putra Dan Arija Ardial: Penggunaan Metode Arima Untuk Meramalkan Jumlah Wisatawan Mancanegara Yang Datang Ke Sumatera Utara Melalui Fasilitas Bandara Internasional Polonia Medan 4. Pola Trend Terjadi bila mana ada kenaikan atau penurunan sekuler jangka panjang dalam data. Secara umum struktur datanya dapat digambarkan sebagai berikut : Gambar 4. Pola Trend Model umum yang mewakili deret waktu yang non-stationer yaitu model Autoregressive Integrated Moving Average dengan orde (p,d,q) yang disingkat dengan ARIMA (p,d,q) dimana p,d,q masing-masing adalah orde untuk proses autoregressive, pembedaan (differencing) dan moving average. Model ARIMA (p,d,q) dapat ditulis dalam bentuk : Model ARIMA (p,d,q) dapat ditulis dalam bentuk: ( ).. / / ( ) Dimana : = nilai ramalan pada waktu ke-t = parameter model AR = parameter model MA = nilai konstanta = galat pada waktu ke-t = nilai shift mundur dari waktu menjadi t-p dan t-q METODE PENELITIAN Penelitian ini merupakan penelitian terapan yang diawali dengan studi kepustakaan. Penelitian terapan adalah penelitian yang bertujuan untuk memperoleh penemuan-penemuan yang berkenaan dengan aplikasi/penerapan teori-teori tertentu. Dengan demikian penelitian terapan merupakan penelitian yang diawali dengan teori yang ada dan dilanjutkan dengan penerapannya. Berdasarkan dari segi memperolehnya adalah data Sekunder, karena data tersebut diperoleh dari Badan Pusat Statistika provinsi Sumatera Utara. Data tersebut mengenai data banyak kedatangan wisatawan mancanegara, yang terdiri dari 60 periode mulai dari Januari 2005 sampai Desember 2009. Data ini hanya menitikberatkan pada jumlah penumpang mancanegara yang akan datang ke Sumatera Utara, karena pada penelitian ini akan dilihat data peramalan kedatangan wisatawan mancanegara beberapa periode kedepan, dengan mempertimbangkan dan berpatokan kepada data masa lalu, dengan memakai metode ARIMA. Mekanisme dalam pemilihan dan pembentukan model yang baik dapat dilakukan dengan beberapa acuan langkah berikut: 1.Identifikasi Model a. Memeriksa plot data asli terhadap waktu. Hal ini bertujuan untuk menetapkan prilaku pola data. b.pemeriksaan Kestasioneran data dengan menganalisa plot ACF dan PACF data asli c. Kenon-stasioneran diatasi dengan melakukan transformasi terhadap data. d.menentukan model sementara dengan menganalisa plot ACF dan PACF dari data yang telah stasioner. e. Melakukan Overfitting. 2.Penaksiran dan Pengujian a. Menaksir koefisien-koefisien untuk model b.menguji model c. Pemilihan model yang sesuai dari model sementara 42 Semirata 2013 FMIPA Unila

Prosiding Semirata FMIPA Universitas Lampung, 2013 3.Tahap Diagnostik a. Uji koefisien model b.uji autokerelasi c. Uji homoskadastisitas. d.pemilihan model terbaik 4. Peramalan Setelah diperoleh model terbaik, langkah terakhir yang dilakukan adalah meramalkan satu periode kedepan. Peramalan untuk satu periode kedepan dinamakan peramalan static sedangkan peramalan untuk beberapa periode kedepan dinamakan peramalan dinamik. Pemilihan jenis peramalan yang akan digunakan tergantung keinginan masing masing peneliti. HASIL PENELITIAN Jumlah wisatawan mancanegara yang bandara International Polonia Medan data bulanan yang disajikan dari Januari 2005 sampai dengan Desember 2009, dimana jumlah periode keseluruhannya adalah 60 periode (bulan). Pada tahun 2005 (periode 1 sampai 12), jumlah wisatawan mancanegara yang datang ke Sumatera Utara melalui fasilitas bandara internasional Polonia Medan yang terbanyak pada Maret 2005 sebanyak 10807 wisatawan dan terendah Oktober 2005 sebanyak 6239 wisatawan.pada tahun 2006 (periode 13 sampai 24), terbanyak pada Desember 2006 sebanyak 11371 wisatawan dan terendah Okteber 2006 sebanyak 6590 wisatawan.pada tahun 2007 (periode 25 sampai 36), terbanyak pada Agustus 2007 sebanyak 12671 wisatawan dan terendah Oktober 2007 sebanyak 7382 wisatawan.pada tahun 2008 (periode 37 sampai 48), terbanyak pada Desember 2008 sebanyak 16512 wisatawan dan terendah Oktober 2008 sebanyak 1047 wisatawan.pada tahun 2009 (periode 49 sampai 60), terbanyak pada Desember 2009 sebanyak 15983 wisatawan dan terendah Februari 2009 sebanyak 9133 wisatawan. PEMBAHASAN Setelah menguji kelima model terpilih dilakukan pemilihan model. Jumlah dari koefisien dan jumlah statistik untuk diagnostik checking (beserta harga p- value untuk uji yang bersesuaian) untuk kelima model di atas dapat dibuat analisis berikut ini: 1. Untuk model 1 ARIMA (1,1,2) terlihat adanya homoskedastisitas pada (1,1,2) ini tidak memenuhi asumsi. Jadi 2. Untuk model 2 ARIMA (2,1,1) terlihat sudah tidak terdapat kolerasi antar residual dan adanya homoskedatisitas pada (2,1,1) ini sudah memenuhi asumsi. Jadi dapat digunakan untuk memodelkan data deret waktu. 3. Untuk model 3 ARIMA (0,1,2) terlihat tidak adanya homoskedastisitas pada (0,1,2) ini tidak memenuhi asumsi. Jadi Semirata 2013 FMIPA Unila 43

Atus Amadi Putra Dan Arija Ardial: Penggunaan Metode Arima Untuk Meramalkan Jumlah Wisatawan Mancanegara Yang Datang Ke Sumatera Utara Melalui Fasilitas Bandara Internasional Polonia Medan 4. Untuk model 4 ARIMA (1,1,0) terlihat tidak adanya homoskedastisitas pada (1,1,0) ini tidak memenuhi asumsi. Jadi 5. Untuk model 5 ARIMA (2,1,0) terlihat tidak adanya homoskedastisitas pada (2,1,0) ini tidak memenuhi asumsi. Jadi 6. Untuk model 6 ARIMA (0,1,1) terlihat adanya homoskedastisitas pada (0,1,1) ini tidak memenuhi asumsi. Jadi Model yang paling baik adalah model yang memiliki nilai SSR yang paling kecil. Dari keenam model diatas ternyata ARIMA (2,1,1) memiliki nilai SSR yang lebih kecil.setelah mempertimbangkan faktor-faktor lainnya juga,dapat disimpulkan bahwa model ARIMA (2,1,1) adalah model yang paling cocok untuk memodelkan data deret waktu dan meramalkan periode kedepan dari data bandara internasional Polonia Medan. KESIMPULAN Berdasarkan hasil pembahasan dan analisis data, diperoleh kesimpulan sebagai berikut : a. Model ARIMA yang diperoleh dari analisis data terhadap jumlah wisatawan mancanegara yang datang ke Sumatera Utara melalui fasilitas bandara internasional Polonia Medan adalah : Peramalan jumlah wisatawan pada bulan tertentu dipengaruhi dua periode sebelumnya (Yt-2) dengan koefisien sebesar 0.3363310611 dan selisih jumlah wisatawan pada satu bulan sebelumnya (et-1) dengan koefisien sebesar 0.8940933399. 1.Hasil peramalan jumlah wisatawan mancanegara yang datang ke Sumatera Utara melalui fasilitas bandara internasional Polonia Medan untuk tahun 2010 berdasarkan data Januari 2005 sampai Desember 2009 adalah seperti dikemukakan pada tabel berikut ini : Tabel 2. Hasil peramalan jumlah wisatawan mancanegara yang datang ke sumatera utara melalui fasilitas bandara international polonia medan pada tahun 2010 Tahun Bulan Periode Hasil (t) Ramalan 2010 Januari 61 10958.80 Februari 62 9.963.40 Maret 63 11311.78 April 64 11679.92 Mei 65 11191.81 Juni 66 11071.90 Juli 67 11232.01 Agustus 68 11272.78 September 69 11218.48 Oktober 70 11204.81 November 71 11223.03 Desember 72 11227.63 DAFTAR PUSTAKA Iriawan, Nur PH. D, dan Septin Puji Astuti, S.Si, MT. 2006. Mengolah Data 44 Semirata 2013 FMIPA Unila

Prosiding Semirata FMIPA Universitas Lampung, 2013 Statistik dengan Mudah Menggunakan Minitab 14. Andi Yogyakarta : Yogyakarta. Makridakis, Spyros, fkk.1999. Metode dan Aplikasi Peramalan Edisi Kedua. Erlangga: Jakarta. Pfaffenberger, Roger C., dan Patteson, James H. 1981. Statistical Methods for Busines Sand. Richard D.Irwin.inc : Georgetown. RK, Sembiring. Analisis Regresi. ITB Bandung : Bandung Winarno, Wing Wahyu. 2009. Analisis Akonometrika dan Statistika dengan Eviews. Sekolah Tinggi Ilmu Manajemen : Yogyakarta. Walpole, Ronald E. 1992. Pengantar Statistika. PT. Gramedia Pustaka Utama : Jakarta. (Error! Hyperlink reference not valid.udara_internasional_polonia_me dan) Semirata 2013 FMIPA Unila 45