Anda di halaman 1dari 9

A Comparison of Two Econometric Models

(OLS and SUR) for Forecasting Croatian Tourism Arrivals

Perbandingan Dua Model Ekonometrika (OLS dan SUR) untuk meramalkan


Kedatangan Wisman ke Kroasia

Paper by Tihomir Stucka


Translated by NM.Eka Mahadewi

Abstrak

Penerimaan dari sektor pariwisata memiliki dampak besar bagi perekonomian Kroasia.
Aliran yang besar dari uang asing selama musim panas tidak hanya memberikan
pemasukan bagi Kroasia, tapi juga memberikan efek stabilitas bagi mata uang Kroasia,
Kuna. Penulis membandingkan dua model permintaan menggunakan OLS dan teknik
estimasi SUR.Model ini disusun dengan persamaan yang meliputi lima negara, yang
berkontribusi menyumbang wisman sekitar 72-78% dari total kedatangan wisman per
tahunnya. Model tersebut menjelaskan bahwa kedatangan merupakan alat yang
mempengaruhi PDB riil dan nilai tukar riil. Berdasarkan perkiraan akurasi peramalan,
tampaknya model SUR lebih tepat digunakan untuk memprediksi kedatangan wisman.

Kata Kunci : Penerimaan pariwisata, Peramalan, Kroasia.

I. PENDAHULUAN

Penerimaan dari sektor pariwisata memiliki dampak besar bagi perekonomian Kroasia.
Aliran yang besar dari uang asing selama musim panas tidak hanya memberikan
pemasukan bagi Kroasia, tapi juga memberikan efek stabilitas bagi mata uang Kroasia,
Kuna. Masuknya uang asing dinyatakan juga sangat penting dalam mengurangi saldo
negatif eksternal Kroasia, yang terutama berasal dari defisit perdagangan yang besar.
Penerimaan sektor pariwisata meningkat per tahunnya dengan rata-rata peningkatan 12%
dari tahun 1993 sampai tahun 2001, dan penerimaan yang diperoleh mencapai 3,2 Milyard
Kuna. Tabel 1 menunjukkan Penerimaan bersih sektor pariwisata Kroasia.

Tujuan utama dari artikel ini adalah untuk membangun sebuah model indikator fisik, yang
dibangun dari jumlah kunjungan wisman ke Kroasia, yang kemudain digunakan untuk
meramalkan jumlah penerimaan sektor pariwisata. Model yang dihasilkan diharapkan dapat
menjadi alat untuk meramalkan proyeksi menengah dari posisi penerimaan sektor pariwisata
dalam neraca pembayaran. Salah satu jalan peramalan adalah memperbanyak prediksi
jumlah kedatangan wisman dan memprediksi jumlah pengeluaran per orang. Prediksi
kedatangan juga dapat digunakan sebagai variabel eksplanatori yang menjelaskan model
penerimaan wisman. Dalam hal lain, model ini dapat juga digunakan untuk memperkirakan
sejauhmana berbagai event memperngaruhi kepariwisataan, seperti misalnya krisis Kosovo.
Model ini terfokus pada perputaran wisatawan di negara asal dan negara tujuan wisata; hal
ini tidak dipengaruhi oleh hal-hal lain, seperti misalnya pertumbuhan bisnis pariwisata di
Kroasia, liburan dan kunjungan ke teman dan kerabat.

Model yang dibangun adalah sebuah sistem yang dibangun dari 5 negara (jerman, Italia,
Austria, Slovenia,dan Chech Republik) yang berkontribusi 72%-78% kunjungan ke Kroasia
sekama periode 1993-2000. Langkah pertama yang dilakukan untuk OLS model adalah
dengan menentukan data kunjungan wisman. Langkah kedua adalah dengan menentukan
jumlah kunjungan wisman tertinggi ke hasil penghitungan. Langkah ketiga adalah
mengestimasi atau meramalkan dengan sistem persamaan SUR, dikaitkan dengan korelasi
dari berbagai hasil penghitungan persamaan 5 negara pengunjung terbesar. Dengan
menggunakan contoh peramalan, evaluasi dari peramalan kedua model OLS dan SUR,
dinyatakan bahwa model SUR lebih efisien digunakan.

Bagian 2 dari tulisan ini merevies tentang kajian pustaka. Bagian 3 menjelaskan model dan
prosedur peramalan. Bagian 4 menjelaskan pengolahan data. Bagian 5 menjabarkan hasil
yang diperoleh dengan model peramalan. Artikel ini menghasilkan sebuah evaluasi bentuk
model peramalan. Sehubungan dengan data dan model, kelihatannya bahwa SUR model
lebih baik dibandingkan dengan pendekatan model OLS dalam menentukan peramalan
jumlah kedatangan wisman ke Kroasia.

II. KAJIAN PUSTAKA

Dalam banyak hal, pemodelan arus pariwisata antara tujuan dan asal negara didasarkan
pada beberapa bentuk dasar fungsi permintaan Q = f (Y, P), di mana Q merupakan ukuran
kuantitatif konsumsi wisatawan asing tujuan produk, Y beberapa proxy pendapatan negara
asal dan P proxy untuk harga relatif antara asal dan negara tujuan. Beberapa karya juga
termasuk substitusi harga efek ke dalam model mereka.Variabel yang paling tepat
digunakan sebagai variabel dependen adalah pariwisata penerimaan negara tujuan (Tse,
1999, Jensen, 1998). Kroasia pariwisata penerimaan diperkirakan dari data survei diambil di
tempat penyeberangan perbatasan utama. Namun, pameran ini data beberapa seri istirahat
karena perubahan dalam metodologi, yang menimbulkan kesulitan besar untuk analisis time
series. proxy alternatif menginap dikeluarkan oleh wisatawan asing dan turis asing, tetapi
ada kelemahan untuk kedua variabel. Jumlah menginap menghabiskan sangat rentan
terhadap pernyataan karena mereka lebih tunduk pada ekonomi abu-abu dari pendatang,
terutama dalam melengkapi akomodasi (berkemah dan penginapan). Kedatangan turis
asing, pada sisi lain, tidak memperhitungkan variabilitas lama tinggal. Witt dan Martin4
menentukan kedatangan secara relatif, akuntansi mengenai pengaruh penduduk. Namun,
kami tidak mengambil pendekatan ini sejak set negara utama asal Kroasia termasuk CEE
transisi negara yang wisatawan potential5 emisi tidak berkorelasi positif dengan
ukuran populasi. Sebagai contoh, Polandia memiliki populasi 38,7 juta pada tahun 1997,
sedangkan Austria memiliki populasi 8,1 juta, namun, menurut jumlah liburan bepergian ke
luar negeri pada tahun 1998, potensi pasar emisi Austria dua kali ukuran pasar Polandia, 6
fakta yang dapat dijelaskan, antara lain, oleh perbedaan standar hidup. Pendapatan
sebagian besar variabel didefinisikan sebagai GDP riil dari negara asal (Jensen, 1998,
Kulendran, Wilson, 2000) atau riil per kapita PDB (Lathiras, Siriopoulos, 1998). Sementara
disposable income riil di negara tujuan akan menjadi ukuran terbaik, deret waktu yang tepat
dari variabel ini dalam banyak kasus tidak tersedia untuk transisi negara.
Banyak penelitian telah dilakukan di daerah harga pemodelan permintaan pariwisata fungsi.
Keranjang konsumsi wisatawan, khususnya wisatawan asing, berbeda dari keranjang
konsumsi CPI karena perbedaan antara keranjang barang yang wisatawan asing
mengkonsumsi selama musim dan konsumsi "asli" konsumen sepanjang tahun. Sementara
Martin dan Witt (1987) menunjukkan bahwa CPI merupakan proxy yang baik untuk biaya
hidup wisata variabel, itu merupakan asumsi berani dalam keadaan Kroasia,
mempertimbangkan berat produk individu dan jasa dalam keranjang IHK. Namun demikian,
itu merupakan satu-satunya ukuran sejak tidak ada proxy alternatif untuk indeks biaya
pariwisata. Variabel standar memasukkan semua persamaan adalah harga relatif asal dan
tujuan negara, yang pada waktu disesuaikan dengan nilai tukar (Lathiras,
Sirioupulis, 1998, Kulendran, Wilson, 2000). Selain itu, beberapa penulis (Turner,
Reisinger, Witt, 1998, Loeb, 1982, Lathiras, Sirioupulos, 1998) memperhitungkan harga
akun perkembangan dalam berkompetisi negara tujuan sebagai proxy untuk efek substitusi.
Model yang disajikan dalam makalah ini tidak mengandung efek substitusi harga
variabel karena kita berhadapan dengan suatu kurun waktu singkat dan karena itu upaya
untuk mempertahankan model agak kecil. Sebuah variabel tambahan yang digunakan
dalam beberapa model (Witt, Martin, 1987) adalah proxy untuk variabel pemasaran. Alasan
di balik ini adalah bahwa peningkatan informasi agen ' tentang negara memberi sumbangan
untuk "recognisabilty" dan karena itu "daya tarik" nya. Pada kebanyakan model,
bagaimanapun, variabel ini tampaknya tidak signifikan dalam menjelaskan pariwisata
permintaan. Ada berbagai model dalam literatur pariwisata untuk memperkirakan pariwisata
permintaan dan peramalan beberapa tindakan konsumsi pariwisata di tujuan
negara. Teknik Advanced ekonometrik baru-baru ini telah diterapkan. Masalahnya
non-stasioneritas diakui, yang menyebabkan model analisis kointegrasi dan ECM.
Secara umum, alat ekonometrik berkisar dari ARIMA dan Holt-Winters univariat
pemodelan (Kim, 1999) untuk 3SLS dan 2SLS (Tse, 1999, Kim, Uysal, 1998), dan ECM
model (Jensen, 1998, Lathiras, Siriopoulos, 1998, Kulendran, Wilson, 2000). Saat ini
teknik ECM tidak menjadi masalah bagi Kroasia karena panjang dari seri waktu yang
tersedia, yang sangat berkurang akibat istirahat seri besar di 1990-1993 (perang) dan
1993 (program stabilisasi inflasi membawa empat digit ke inflasi satu digit).

3. MODEL DESKRIPSI

Sebuah model permintaan sederhana didefinisikan di mana kunjungan wisatawan asing


mewakili kuantitas yang diminta untuk produk wisata Kroasia berbagai negara emisi.
Kuantitas ini adalah fungsi dari pendapatan dan harga. pendapatan jangka panjang adalah
didekati oleh PDB riil. Kami tidak menggunakan nyata disposable income dalam persamaan
karena data tersebut tidak tersedia untuk negara-negara transisi, yang merupakan suatu
bagian penting dari negara asal. Kami juga tidak berlaku rata-rata upah atau laba sebagai
variabel penjelas, karena perkiraan publik untuk ini khusus variabel tidak tersedia. Variabel
GDP, di sisi lain, diperkirakan tidak hanya oleh bank sentral lokal, tetapi juga, misalnya,
dengan berbagai bank investasi. Berbagai ramalan memungkinkan berbagai proyeksi
mungkin dan simulasi. Variabel harga ditentukan oleh harga relatif antara dua negara
dikoreksi untuk nilai tukar nominal. Namun, sejauh mana adalah turis asing menyadari
tingkat inflasi di negara tuan rumah? Orang bisa berargumen bahwa inflasi komponen model
masuk melalui persepsi agen apakah host tujuan adalah "mahal" atau "murah" .7
Determinan kedua komponen harga nilai tukar nominal, yang merupakan informasi yang
paling mudah diakses untuk kerabat perbandingan harga antara destinations.8 Dengan kata
lain, komponen harga model diberikan oleh kurs riil. Pertama, model OLS diperkirakan yang
mencoba untuk berhubungan kedatangan untuk jangka panjang pendapatan dan nilai tukar
riil, sebagaimana didefinisikan dalam persamaan berikut:

Ajt merupakan pendatang dari negara j dalam kuartal t, GDPrjt menunjukkan GDP riil
dari negara j dalam kuartal t, Pfjt dan Pdt berdiri untuk CPI asing dan domestik masing
masing, DStorm mewujudkan sebuah dummy untuk "Storm" tindakan militer (Q3/1995) dan
Dkosovo sebuah dummy untuk krisis Kosovo (Q2/1999-Q4/1999), dan D1 ke D3 mewakili
biasa musiman dummies. Satu akan mengharapkan hubungan yang positif antara
pendapatan dan kuantitas menuntut. Sebuah hubungan negatif akan menunjukkan bahwa
Kroasia, sebagai tujuan tuan rumah, merupakan barang inferior untuk pasar Eropa tertentu -
sebagai meningkatkan pendapatan kurang "Pantai Kroasia" akan dituntut. Variabel harga
diharapkan berhubungan negatif dengan kuantitas yang diminta yang baik, seperti yang
ditunjukkan dalam persamaan berikut:

Perbandingan Dua Model Ekonometrik (OLS dan SUR) untuk Prakiraan Kedatangan
Wisatawan Kroasia.

Selanjutnya, model OLS diperkirakan menggunakan data musiman disesuaikan. Elastisitas


yang diperoleh kemudian dibandingkan dengan hasil ketika musiman disesuaikan data (X11
teknik) dipekerjakan dan tidak ada dummies musiman yang digunakan. Namun, harus
ditanggung diingat bahwa penggunaan X11 melanggar tertentu ekonometrik properties9
karena sifat X11 estimasi. Setelah koefisien OLS diperoleh, perkiraan SUR dilakukan.
Meskipun telah ditunjukkan, menggunakan simulasi Monte Carlo (Morley, 1997), bahwa
OLS estimator tampaknya konsisten, kami membandingkan kedua teknik untuk koefisien
dan peramalan efisiensi. Tampaknya tidak berhubungan estimasi regresi merupakan suatu
sistem persamaan, yang terkait melalui kovarian lintas-persamaan kesalahan (Zellner,
1962). Keuntungan efisiensi dari menggunakan estimator SUR meningkat dengan
korelasi antara kesalahan persamaan dan menurun dengan korelasi antara
persamaan regressor. Sebelum satu ternyata hasil empiris, penjelasan singkat tentang
data yang diberikan. Dasar pemikiran untuk menerapkan SUR terletak pada kenyataan
bahwa faktor umum mungkin ada (cuaca, pemasaran pengeluaran dll) yang mempengaruhi
semua persamaan diwaktu yang sama dan mendorong hubungan antara istilah kesalahan
persamaan.
4. DESKRIPSI DATA

Data Triwulanan digunakan, dimulai dengan Q4/1993 dan diakhiri dengan Q2/2000.
Alasannya untuk memulai pada akhir tahun 1993 adalah bahwa program stabilisasi yang
dijinakkan inflasi diperkenalkan di Kroasia pada bulan Oktober 1993. Penggunaan data
sebelum program akan menyebabkan distorsi berat, terutama dalam variabel kurs riil.
Data kedatangan wisatawan asing dari lima utama home10 negara: Jerman, Italia,
Slovenia, Republik Ceko dan Austria. Ini mencapai sekitar 72% -79% dari total kedatangan
secara tahunan (lihat Tabel 1). Data diambil dari database CBS11. Data untuk PDB nominal
diambil dari seri IFS (Januari 2001, versi 1.1.53) dalam miliaran mata uang lokal, Slovenia
data sementara diambil dari Bank Buletin Slovenia. Kurs spot nominal (disajikan dalam
mata uang domestik per 100 unit mata uang asing) diambil dari (Kroasia Nasional Bank
CNB) database dan merupakan data akhir periode.

5. HASIL PERAMALAN

Tiga jenis hasil disajikan dalam Tabel 2-3. Tabel 2 berisi estimasi OLS hasil dengan variabel
dependen disesuaikan. Tabel 3 menawarkan hasil OLS untuk musimanpendatang
disesuaikan dalam upaya untuk mengevaluasi pengaruh musiman yang tinggi pada
estimasi koefisien dan kesegaran dari koefisien. Akhirnya, Tabel 4 merangkum hasil dari
model SUR dengan variabel dependen disesuaikan.

Tabel 2: OLS koefisien tanpa variabel dependen musiman disesuaikan (standar kesalahan
dalam parenthesis).
Koefisien untuk Jerman, Italia, Slovenia, dan Austria menunjukkan diharapkan
tanda-tanda konsisten - pendapatan secara positif berkaitan dengan kedatangan dan relatif
disesuaikan harga negatif terkait dengan kedatangan. Memperkirakan koefisien untuk
Republik Ceko menunjukkan kecenderungan yang berbeda namun konsisten: penghasilan
negatif terkait dengan kedatangan di semua tiga memperkirakan, meskipun koefisien tidak
signifikan. Hal ini mengindikasikan bahwa Kroasia merupakan inferior baik bagi wisatawan
Ceko.
Koefisien pada kedua model OLS tampaknya cukup kuat. Mirip hasil yang berkaitan dengan
barang inferior diperoleh oleh Jensen (1998) untuk Denmark dan Amerika Serikat, maupun
oleh Lathiras, Siriopoulos (1998) untuk Yunani dan Belanda. Rata-rata, elastisitas tertinggi
keprihatinan penghasilan Italia (sekitar 5-6) dan Slovenia (Sekitar 3-4), sedangkan
kebutuhan Austria tampaknya agak inelastis sehubungan dengan
penghasilan (sekitar 1). Dalam penelitian lain, elastisitas penghasilan berkisar dari -0,52
menjadi 7,8 (Lathiras, Siriopoulos, 1998) dan dari -0,6 ke 8.98 (Jensen, 1998). Jerman
wisatawan tampaknya harga paling sensitif (sekitar -5), sedangkan wisatawan dari Italia
tampaknya telah permintaan relatif inelastis untuk produk wisata Kroasia. Seperti yang
diharapkan, militer tindakan "Storm" memiliki dampak yang signifikan terhadap pariwisata di
Kroasia; hanyaSlovenia pasar tidak menunjukkan respons yang signifikan, mencerminkan
informasi yang unggul set mereka miliki. OLS perkiraan variabel dummy yang
memperhitungkan krisis Kosovo dilaporkan hanya untuk markets13 relevan - Republik Ceko
dan Italia. Namun, dalam konteks SUR, krisis Kosovo tampaknya telah mempengaruhi
pasar pariwisata Kroasia: Slovenia saja dan Austria tampaknya tidak telah
dipengaruhi oleh aktivitas militer NATO di wilayah tersebut, yang mungkin mengejutkan
untuk pasar Austria. Ada juga dampak yang kuat musiman; sekali musiman
akan dihapus dari data, berkurang R2 disesuaikan dengan jumlah besar dan mencerminkan
kekuatan penjelasan yang jauh lebih rendah dari variabel independen.
Hal ini diperdebatkan apakah ada variasi yang cukup dalam data untuk model SUR,
untuk kovarians matriks parameter regresi menunjukkan dekat-singularitas.
Untuk tujuan peramalan, perhatian khusus ditempatkan pada kesalahan standar
koefisien samping elastisitas diperkirakan. Sepanjang sampel, standar error
diperoleh dengan menggunakan hasil SUR lebih rendah dari kesalahan standar di kedua
OLS estimasi. Dengan kata lain, koefisien SUR tampaknya lebih akurat dan harus
menghasilkan perkiraan yang lebih baik. Kita lanjutkan dengan mengevaluasi kekuatan
peramalan dua model, OLS dan SUR, memanfaatkan statistik standar pada kesalahan
peramalan yang diberikan dalam Tabel 5.
Langkah-langkah absolut dan relatif Berbagai akurasi peramalan disajikan pada Tabel
5. Ditemukan bahwa rata-rata error absolut jauh lebih rendah dalam hal model SUR.
Selain itu, standar deviasi kesalahan (SDE) dan jumlah kesalahan kuadrat
(SSE) dari model OLS secara konsisten lebih tinggi dari kesalahan peramalan SUR,
kecuali dalam kasus Republik Ceko. Fakta bahwa model OLS lebih bias
menuju masa depan melebih-lebihkan hasil ditunjukkan dengan perkiraan membelokkan.
Pada sisi lain, menurut kriteria MAPE, pilihan model ini tidak jelas, untuk
perbedaan dalam kesalahan peramalan yang kecil. perkiraan MAPE tampaknya tidak akurat

pada tingkat 10% -12% untuk Austria dan Jerman dan sekitar 20% untuk Italia dan
Republik Ceko. Singkatnya, dengan mempertimbangkan berbagai tindakan peramalan
akurasi, tampaknya bahwa model SUR hasil prakiraan yang lebih baik.

6. SIMPULAN

Makalah ini menyajikan suatu model permintaan produk wisata Kroasia. Kuantitas
menuntut didefinisikan sebagai jumlah kedatangan wisatawan dari lima negara asal utama,
yang mencapai sekitar 72% -78% dari total kedatangan tahunan asing. Model
menjelaskan kedatangan menjadi fungsi dari negara asal PDB riil dan pertukaran riil
Tingkat. SUR OLS dan teknik estimasi digunakan untuk mengevaluasi peramalan
kekuatan model. Berdasarkan beberapa ukuran ketepatan ramalan, tampaknya
hasil panen model prediksi SUR lebih tepat kedatangan asing. Selanjutnya penelitian di
bidang ini dapat mencakup pendekatan yang lebih rinci dengan penyesuaian musiman
data, yang kemudian dapat diterapkan ke model SUR. Cara alternatif mendapatkan
perkiraan yang lebih akurat adalah untuk mengobati sistem data yang disajikan sebagai
panel dan memungkinkan efek negara tetap untuk menangkap heterogenitas apapun.
Dalam hal penjelasan tambahan variabel, variabel substitusi pemodelan pengaruh tujuan
musim panas bersaing harus dimasukkan dalam model. Pengaruh cuaca juga bisa
diperhitungkan, mengingat kedekatan dari tujuan asal dan tinggi saham kedatangan
berkemah asing di Kroasia.