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

dokumen-dokumen yang mirip
ANALISIS TIME SERIES PRODUK DOMESTIK REGIONAL BRUTO PROVINSI JAWA TIMUR DENGAN METODE ARIMA BOX-JENKINS DAN INTERVENSI

PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH

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

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

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

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

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

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA

TUGAS AKHIR - ST 1325

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA PERAMALAN TINGKAT INFLASI NASIONAL DENGAN MULTI INPUT SKRIPSI

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

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

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

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

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

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

Peramalan Penjualan Pipa di PT X

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

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)

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

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

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

ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA

PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

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

model Seasonal ARIMA

ANALISIS INTERVENSI KENAIKAN HARGA BBM TERHADAP PERMINTAAN BBM BERSUBSIDI PADA SPBU SULTAN AGUNG SEMARANG JAWA TENGAH SKRIPSI.

BAB IV ANALISIS DAN PEMBAHASAN

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

BAB II LANDASAN TEORI

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

1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si, M.Si. ABSTRAK

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim

SKRIPSI. Disusun oleh: Firda Megawati

III. METODE PENELITIAN

PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK

PENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN PENJADWALAN JOB SHOP SECARA MONTE CARLO

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

PENENTUAN VALUE AT RISK

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING

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

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

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

ANALISIS INTERVENSI FUNGSI STEP

Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA

PERENCANAAN PERSEDIAAN KNIFE TC 63 mm BERDASARKAN ANALISIS RELIABILITAS (Studi Kasus di PT. FILTRONA INDONESIA)

Pemodelan ARIMA Non- Musim Musi am

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

PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) MENGGUNAKAN ANALISIS FUNGSI TRANSFER MULTI INPUT DENGAN ARCH-GARCH

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

SEASONAL ARIMA Arum Handini Primandari

Model Penjualan Plywood PT. Linggarjati Mahardika Mulia

BAB III METODE PENELITIAN

BAB 2 LANDASAN TEORI

PEMILIHAN MODEL TERBAIK DAN PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA (WISMAN) KE BALI TAHUN 2014

PEMODELAN ANGKA KEMATIAN BAYI DI PROPINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE TUGAS AKHIR ST 1325

PEMODELAN SARIMAX DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) V PURWOKERTO

OUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran

PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)

PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)

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

PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32

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

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins

PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENOUS (ARIMAX) DENGAN VARIASI KALENDER

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN

TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA)

MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR PERTUMBUHAN KREDIT DOMESTIK

Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 (UANG BEREDAR)

Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral

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

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249

Meytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.

Peramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada

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

BAB I PENDAHULUAN. 1.1 Latar Belakang

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK

PERAMALAN TINGKAT KEMATIAN BALITA PADA DINAS KESEHATAN KABUPATEN TAPANULI UTARA DENGAN MODEL ARIMA BOX-JENKINS SKRIPSI

PEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG MILIMETER

PERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA

PREDIKSI TINGGI PASANG AIR LAUT DI KOTA SEMARANG DENGAN MENGGUNAKAN METODE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE

PEMODELAN ARIMA DAN DETEKSI OUTLIER DATA CURAH HUJAN SEBAGAI EVALUASI SISTEM RADIO GELOMBANG MILIMETER

ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun )

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

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

SKRIPSI JURUSAN STATISTIKA PERAMALAN INDEKS HARGA KONSUMEN 4 KOTA DI JAWA TENGAH MENGGUNAKAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR)

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA

BAB II TINJAUAN PUSTAKA

Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan

Transkripsi:

TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo, M.Ikom JURUSAN STATISTIKA Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2007

TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP. 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo, M.IKom JURUSAN STATISTIKA Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2007

FINAL PROJECT - ST 1325 THE EFFECT OF BALI BOMB I AND BALI BOMB II ON THE NUMBER OF FOREIGN TOURIST ARRIVALS TO BALI I G B ADI SUDIARSANA NRP. 1303100058 Advisor Ir. Dwiatmono Agus Widodo, M.IKom DEPARTMENT Of STATISTICS Faculty Of Mathematics And Natural Sciences Sepuluh Nopember Institute Of Technology Surabaya 2007

LEMBAR PENGESAHAN PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI TUGAS AKHIR Diajukan Untuk Memenuhi Salah Satu Syarat Kelulusan Di Program Studi Strata Satu Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya Oleh: I G B ADI SUDIARSANA NRP. 1303 100 058 Disetujui oleh Pembimbing Tugas Akhir : Nama : Ir. Dwiatmono Agus Widodo, M.IKom NIP : 131 651 441 (... ) Mengetahui, Ketua Jurusan Statistika FMIPA ITS Ir. Mutiah Salamah, M.kes NIP. 131 283 368 SURABAYA, JUNI 2007

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI Nama Mahasiswa : I G B ADI SUDIARSANA NRP : 1303 100 058 Jurusan : Statistika, F-MIPA ITS Dosen Pembimbing : Ir. Dwiatmono A. W., M.IKom Abstrak Salah satu indikator yang dapat menggambarkan kondisi pariwisata Bali adalah banyaknya wisatawan mancanegara (wisman) yang datang ke Bali. Pasca insiden bom Bali I dan II terjadi penurunan banyaknya wisman yang datang ke Bali. Besarnya penurunan dan lama penurunan kunjungan wisman dapat diketahui dari model intervensi dari banyaknya wisman yang datang ke Bali. Model intervensi dibentuk berdasarkan residual dari data setelah intervensi yang diramalkan dengan menggunakan model ARIMA yang di bentuk dari data sebelum terjadinya intervensi. Berdasarkan model intervensi dari data banyaknya wisman yang datang ke Bali antara bulan Januari 1998 sampai bulan juni 2006, maka besarnya penurunan kedatangan wisman ke Bali sebulan pasca bom Bali I adalah 85549 orang, sedangkan besarnya penurunan sebulan pasca bom Bali II adalah 68212 orang. Pengaruh penurunan ini terus berlanjut sampai pada akhir pengamatan yaitu bulan Juni 2006 sehingga efek yang ditimbulkan oleh bom Bali I dan bom Bali II adalah efek permanen. Kata kunci : model ARIMA, model intervensi. iv

THE EFFECT OF BALI BOMB I AND BALI BOMB II ON THE NUMBER OF FOREIGN TOURIST ARRIVALS TO BALI Name :I G B ADI SUDIARSANA NRP :1303 100 058 Department :Statistics, Mathematic and Natural Science Faculty - ITS Supervisor :Ir. Dwiatmono A. W., M.IKom Abstract One of indicator that able to describe the condition of Bali tourism is the number of foreign tourist arrivals to Bali. After Bali bomb I and II incident, happens degradation of the number of foreign tourist arrivals to Bali. Level and long of degradation can be known from intervention model of the number of foreign tourist arrivals. Intervention model is made from the shape of errors of the data after intervention which is forecasted by ARIMA model of data before intervention. Refer to the intervention model of foreign tourist arrivals data from January 1998 until June 2006, level of foreign tourist arrivals degradation one month after Bali bomb I is 85549 peoples, while level of foreign tourist arrivals degradation one month after Bali bomb II is 68212 peoples. Effect of degradation is keep moving until June 2007 which is the end of observation so the effect that raised by Bali bomb I and Bali bomb II is permanent effect. Key words: ARIMA model, intervention model. v

DAFTAR ISI Halaman Judul... i Halaman Judul... ii Lembar Pengesahan... iii Abstrak... iv Abstract... v KataPengantar... vi Daftar Isi... vii Daftar Gambar... ix Daftar Tabel... xi BAB I PENDAHULUAN... 1 1.1 Latar belakang... 1 1.2 Permasalahan... 3 1.3 Tujuan... 3 1.4 Manfaat... 3 1.5 Batasan Masalah... 3 BAB II TINJAUAN PUSTAKA... 5 2.1 Time series dan Proses Stokastik... 5 2.2 Proses Stasioner... 5 2.3 Autocovariance dan Autocorrelation Function (ACF)... 8 2.4 Partial Autocorrelation Function (PACF)... 9 2.5 Proses White Noise... 10 2.6 Model Time series Stasioner... 11 2.6.1 Model Autoregressive (AR)... 11 2.6.2 Model Moving Average (MA)... 12 2.7 Model Autoregressive Moving Average (ARMA(p,q))... 12 2.8 Autoregressive Integrated Moving Average (ARIMA)... 13 2.9 Seasonal Autoregressive Integrated Moving Average (SARIMA)... 14 vii

2.10 Estimasi Parameter... 14 2.11 Diagnostic checking... 16 2.12 Pemilihan Model terbaik... 18 2.13 Analisis Intervensi... 19 2.14 Mean Absolute Percentage Error (MAPE)... 21 2.15 Insiden Bom Bali I dan Bom Bali II... 22 BAB III METODOLOGI... 25 3.1 Sumber Data dan Variabel Penelitian... 25 3.2 Variabel Intervensi... 25 3.3 Metode Analisis Data... 26 BAB IV HASIL DAN PEMBAHASAN... 29 4.1 Karakteristik Banyaknya Wisatawan Mancanegara yang Datang ke Bali... 29 4.2 Pembentukan model Autoregressive Integrated Moving Average Sebelum Terjadi Intervensi... 30 4.2.1 Pemeriksaan Kestasioneran Data... 31 4.2.2 Pemilihan Model ARIMA... 42 4.2.3 Pengujian Asumsi Residual Model ARIMA Awal... 43 4.2.4 Model Autoregressive Integrated Moving Average Sebelum Terjadi Intervensi... 46 4.3 Pembentukan Model Intervensi Pertama... 48 4.3.1 Pendugaan Model Intervensi Pertama... 48 4.3.2 Estimasi Parameter Model Intervensi Pertama... 50 4.3.3 Pengujian Asumsi Residual Model Intervensi Pertama... 52 4.3.4 Model Intervensi Pertama... 54 4.4 Pembentukan Model Intervensi Akhir... 54 4.4.1 Pendugaan Model Intervensi Akhir... 55 4.4.2 Estimasi Parameter Model Intervensi Akhir.. 56 4.4.3 Pengujian Asumsi Residual Model Intervensi Akhir... 60 viii

4.4.4 Model Intervensi Akhir... 61 4.5 Perhitungan Besar dan Lama Penurunan Banyaknya Wisatawan yang Datang ke Bali Akibat Pengaruh Bom Bali I dan Bom Bali II... 62 4.6 Perhitungan Keakuratan Peramalan Model Intervensi... 65 4.7 Peramalan Banyaknya Wisman yang Datang ke Bali... 66 BAB V KESIMPULAN DAN SARAN... 67 5.1 Kesimpulan... 67 5.2 Saran... 68 DAFTAR PUSTAKA Lampiran 1 Output SAS 9 dari model ARIMA(2,0,0)(1,0,0) 12 dengan Dickey-Fuller Test dari data sebelum intervensi Lampiran 2 Output SAS 9 dari model ARIMA(1,0,0) dengan Dickey-Fuller Test dari data hasil differencing musiman dengan orde 12. Lampiran 3 Output SAS 9 dari model ARIMA(0,0,0)(1,0,0) 12 dengan Dickey-Fuller Test dari data hasil differencing musiman dengan orde 12 dan regular dengan orde 1. Lampiran 4 Output SAS 9 dari model ARIMA(0,1,0)(1,1,0) 12 dengan data sebelum intervensi setelah dilakukan differencing musiman dengan orde 12 dan regular dengan orde 1. Lampiran 5 Output SAS 9 dari model Intervensi pertama (model a12) Lampiran 6 Output SAS 9 dari model Intervensi akhir (model b12) Lampiran 7 Output SAS 9 dari model ARIMA dari data tanpa differencing, ARIMA(2,0,0) (1,0,0) 12 Lampiran 8 Output SAS 9 model ARIMA dari data tanpa differencing, ARIMA(0,0,1)(1,0,0) 12 ix

Lampiran 9 Output SAS 9 dari model ARIMA dari data tanpa differencing, ARIMA(2,0,1)(1,0,0) 12 Lampiran 10 Output SAS 9 dari dugaan model data dengan differencing musiman orde 12 ARIMA(1,0,0)(0,1,0) 12 Lampiran 11 Output SAS 9 dari dugaan model data dengan differencing musiman orde 12 ARIMA(0,0,2)(0,1,0) 12 Lampiran 12 Output SAS 9 dari dugaan model data dengan differencing musiman ARIMA(1,0,2) (0,1,0) 12 Lampiran 13 Output SAS 9 dari dugaan model data dengan differencing reguler orde 1,ARIMA([1,11],1,0) Lampiran 14 Output SAS 9 dari dugaan model data dengan differencing reguler orde 1, ARIMA(0,1,[1,11,12]) Lampiran 15 Output SAS 9 dari dugaan model data dengan differencing reguler orde 1, ARIMA([1,11],1, [1,11,12]) Lampiran 16 Output SAS 9 dari nilai ramalan kunjungan wisatawan mancanegara ke Bali antara bulan Januari 2007 sampai dengan bulan Desember 2007 x

DAFTAR GAMBAR Gambar 3.1 Flow chart pembentukan model intervensi... 28 Gambar 4.1 Deskripsi banyaknya wisman yang datang ke Bali 30 Gambar 4.2 Plot ACF dan PACF data sebelum intervensi... 31 Gambar 4.3 Nilai lambda dari transformasi Box-Cox... 34 Gambar 4.4 Plot Time series data sebelum intervensi hasil differencing musiman orde 12... 35 Gambar 4.5 Plot ACF dan PACF data sebelum intervensi hasil differencing musiman orde 12... 35 Gambar 4.6 Plot Time series data sebelum intervensi hasil differencing musiman orde 12 dan differencing reguler orde 1... 39 Gambar 4.7 Plot ACF dan PACF data sebelum intervensi hasil differencing musiman orde 12 dan differencing reguler orde 1... 39 Gambar 4.8 Respon model intervensi pertama... 48 Gambar 4.9 Respon model intervensi akhir... 55 Gambar 4.10 Plot respon intervensi vs plot respon intervensi hasil rekonstruksi... 65 xi

DAFTAR TABEL Tabel 2.1 Nilai λ untuk transformasi... 8 Tabel 4.1 Banyaknya wisatawan mancanegara (wisman) yang datang ke Bali... 29 Tabel 4.2 Estimasi parameter model ARIMA(2,0,0)(1,0,0) 12... 32 Tabel 4.3 Nilai Statistik uji Ljung- Box dari model ARIMA(2,0,0)(1,0,0) 12... 32 Tabel 4.4 Nilai Statistik uji Lagrange Multiplier (LM) dari model ARIMA(2,0,0)(1,0,0) 12... 33 Tabel 4.5 Nilai statistik uji Seasonal Dickey-Fuller Test untuk data banyaknya wisman yang datang ke Bali sebelum intervensi... 34 Tabel 4.6 Estimasi parameter model ARIMA(1,0,0)... 36 Tabel 4.7 Nilai Statistik uji Ljung- Box dari model ARIMA(1,0,0)... 37 Tabel 4.8 Nilai Statistik uji Lagrange Multiplier (LM) dari model ARIMA(1,0,0)... 37 Tabel 4.9 Nilai statistik uji Dickey-Fuller Test untuk data banyaknya wisman yang datang ke Bali sebelum intervensi setelah dilakukan differencing musiman dengan orde 12... 38 Tabel 4.10 Estimasi parameter model ARIMA(0,0,0)(1,0,0) 12.. 40 Tabel 4.11 Nilai Statistik uji Ljung- Box dari model ARIMA(0,0,0)(1,0,0) 12... 40 Tabel 4.12 Nilai Statistik uji Lagrange Multiplier (LM) dari model ARIMA(0,0,0)(1,0,0) 12... 41 Tabel 4.13 Nilai statistik uji Seasonal Dickey-Fuller Test untuk data banyaknya wisman yang datang ke Bali sebelum intervensi setelah dilakukan differencing musiman dengan orde 12 dan reguler dengan orde 1... 42 Tabel 4.14 Estimasi parameter masing-masing model ARIMA. 43 Tabel 4.15 Nilai Statistik uji Ljung- Boxdari dugaan model ARIMA... 43 Tabel 4.16 (lanjutan Tabel 4.15)... 44 xii

Tabel 4.17 Nilai Statistik uji Kolmogorov Smirnov dari dugaan model ARIMA... 44 Tabel 4.18 (lanjutan Tabel 4.17)... 44 Tabel 4.19 Nilai Statistik uji Lagrange Multiplier (LM) dari dugaan model ARIMA... 45 Tabel 4.20 (lanjutan Tabel 4.19)... 45 Tabel 4.21 Nilai AIC dan SBC dari dugaan model ARIMA... 46 Tabel 4.22 (lanjutan Tabel 4.21)... 46 Tabel 4.23 Estimasi parameter model a12... 50 Tabel 4.24 Estimasi parameter model a22... 50 Tabel 4.25 Estimasi parameter model a32... 51 Tabel 4.26 estimasi parameter model a12... 51 Tabel 4.27 Estimasi parameter model a22... 51 Tabel 4.28 Estimasi parameter model a32... 52 Tabel 4.29 Nilai Statistik uji Ljung-Box dari residual model intervensi pertama... 53 Tabel 4.30 Nilai Statistik uji Kolmogorov Smirnov dari residual model intervensi pertama... 53 Tabel 4.31 Nilai Statistik uji Lagrange Multiplier (LM) dari residual model intervensi pertama... 54 Tabel 4.32 Estimasi parameter model b11... 57 Tabel 4.33 Estimasi parameter model b21... 57 Tabel 4.34 Estimasi parameter model b31... 58 Tabel 4.35 Estimasi parameter model b12... 58 Tabel 4.36 Estimasi parameter model b22... 59 Tabel 4.37 Estimasi parameter model b32... 59 Tabel 4.38 Nilai Statistik uji Ljung-Box dari residual model intervensi akhir... 60 Tabel 4.39 Nilai Statistik uji Kolmogorov Smirnov dari residual model intervensi akhir... 60 Tabel 4.40 Nilai Statistik uji Lagrange Multiplier (LM) dari residual model intervensi akhir... 61 Tabel 4.41 Rekonstruksi efek intervensi bom Bali I dan bom Bali II sampai bulan Juni 2006... 64 Tabel 4.42 Nilai ramalan data testing... 65 xiii

Tabel 4.43 Nilai ramalan banyaknya wisman yang akan datang ke Bali mulai bulan Januari 2007 sampai bulan Desember 2007... 66 xiv