2019
http://repositori.usu.ac.id/handle/123456789/16058
Downloaded from Repositori Institusi USU, Univsersitas Sumatera Utara
PERAMALAN JUMLAH WISATAWAN MANCANEGARA ASAL
NEGARA ANGGOTA ASEAN DI SUMATERA UTARA
MENGGUNAKAN SIMULASI MONTE CARLO
SKRIPSI
ANDRI SAPUTRA SK
150803003
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2019
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana
Sains
ANDRI SAPUTRA SK
150803003
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2019
PERNYATAAN ORISINALITAS
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Andri Saputra Sk
150803003
Disetujui di
Medan, Juni 2019
i
UNIVERSITAS SUMATERA UTARA
PERAMALAN JUMLAH WISATAWAN MANCANEGARA ASAL
NEGARA ANGGOTA ASEAN DI SUMATERA UTARA
MENGGUNAKAN SIMULASI MONTE CARLO
ABSTRAK
Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif
dan efisien untuk memprediksi peristiwa masa depan. Peramalan identik tentang
nilai-nilai masa depan dari sebuah variabel untuk perencanaan atau pengambilan
keputusan dari situasi untuk memperkirakan nilai masa depan. Simulasi Monte
Carlo adalah model simulasi yang mengikutsertakan serangkaian acak dan
sampling dengan distribusi probabilitas yang dapat diketahui dan ditentukan,
maka simulasi ini dapat digunakan. Dalam penelitian ini, data diambil dari jumlah
wisatawan mancanegara asal dari negara anggota ASEAN yang berkunjung ke
Sumatera Utara dari tahun 2007 hingga 2018 yang mengindikasikan adanya pola
data trend seiring bertambahnya waktu. Kemudian, data diolah serta dianalisis
menggunakan Simulasi Monte Carlo untuk menentukan hasil ramalan pada 5
tahun setelahnya. Hasilnya jumlah wisman asal Brunei Darussalam meningkat
sebesar 4,62%, jumlah wisman asal Malaysia meningkat sebesar 3,44%, jumlah
wisman asal Filipina meningkat sebesar 3,07%, jumlah wisman asal Singapura
meningkat sebesar 6,64%, dan jumlah wisman asal Thailand meningkat sebesar
8,75%.
Kata kunci : peramalan, pola data, simulasi Monte Carlo, wisatawan mancanegara
ii
UNIVERSITAS SUMATERA UTARA
FORECASTING THE AMOUNT OF FOREIGN TOURISTS OF ASEAN
COUNTRY ORIGIN IN NORTH SUMATERA USING MONTE
CARLO SIMULATION
ABSTRACT
iii
UNIVERSITAS SUMATERA UTARA
PENGHARGAAN
Puji syukur penulis ucapkan kehadirat Allah SWT, atas rahmat dan
hidayah-Nya penulis dapat menyelesaikan penyusunan skripsi ini yang berjudul
“Peramalan Jumlah Wisatawan Mancanegara Asal Negara Anggota ASEAN
di Sumatera Utara Menggunakan Simulasi Monte Carlo”. Tujuan penulisan
skripsi ini adalah sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains
Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara.
Dalam penyusunan skripsi ini, tidak sedikit hambatan yang penulis
hadapi. Namun penulis menyadari bahwa kelancaran dalam penyusunan skripsi
ini tidak lain berkat bantuan, arahan dan dorongan dari berbagai pihak. Oleh
karena itu pada kesempatan ini, penulis ingin mengucapkan terima kasih kepada:
iv
UNIVERSITAS SUMATERA UTARA
8. Teman-teman penulis yaitu Kurnia, Khoiriah, Helmi, Mardiyana, Nurul,
Rizki, Salma, Sarah, Indra dan Matematika 2015 yang selalu mendukung
dan selalu memotivasi penulis di setiap suka dan duka dalam pengerjaan
skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari kata sempurna, baik
pada teknis penulisan maupun materi, mengingat akan kemampuan yang penulis
miliki. Untuk itu kritik dan saran yang membangun dari semua pihak sangat
penulis harapkan demi penyempurnaan pembuatan skripsi ini. Akhir kata penulis
berharap semoga skripsi ini dapat bermanfaat dan menjadi sumbangan pemikiran
bagi pihak yang membutuhkan, khususnya bagi penulis sehingga tujuan yang
diharapkan dapat tercapai, Amin.
Medan, Juni
2019 Penulis,
Andri Saputra Sk
150803003
v
UNIVERSITAS SUMATERA UTARA
DAFTAR ISI
Halaman
PENGESAHAN SKRIPSI i
ABSTRAK ii
ABSTRACT iii
PENGHARGAAN iv
DAFTAR ISI vi
DAFTAR TABEL viii
DAFTAR GAMBAR ix
DAFTAR LAMPIRAN x
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 3
1.3 Tujuan Penelitian 3
1.4 Manfaat Penelitian 3
DAFTAR PUSTAKA 53
LAMPIRAN 54
vi
i
UNIVERSITAS SUMATERA UTARA
DAFTAR TABEL
No.
Tabel Judul Halaman
2.1 Contoh Bilangan acak dengan aturan LCG 15
4.1 Data Jumlah Wisatawan Mancanegara asal negara 23
anggota ASEAN di Sumatera Utara tahun 2007-2018
4.2 Uji Kenormalan Liliefors pada Data Jumlah Wisman 28
Asal Brunei Darussalam
4.3 Uji Kenormalan Liliefors pada Data Jumlah Wisman 29
Asal Malaysia
4.4 Uji Kenormalan Liliefors pada Data Jumlah Wisman 31
Asal Filipina
4.5 Uji Kenormalan Liliefors pada Data Jumlah Wisman 32
Asal Singapura
4.6 Uji Kenormalan Liliefors pada Data Jumlah Wisman 33
Asal Thailand
4.7 Uji Kenormalan Liliefors pada Data Jumlah Wisman 35
Asal Vietnam
4.8 Uji Kenormalan Liliefors pada Data Jumlah Wisman 36
Asal Myanmar
4.9 Simulasi jumlah wisman asal Brunei Darussalam 38
4.10 Simulasi jumlah wisman asal Malaysia 39
4.11 Simulasi jumlah wisman asal Filipina 40
4.12 Simulasi jumlah wisman asal Singapura 41
4.13 Simulasi jumlah wisman asal Thailand 42
4.14 Uji Kesamaan Dua Rata-rata pada Wisman asal Brunei 43
Darussalam
4.15 Uji Kesamaan Dua Rata-rata pada Wisman asal 44
Malaysia
4.16 Uji Kesamaan Dua Rata-rata pada Wisman asal 46
Filipina
4.17 Uji Kesamaan Dua Rata-rata pada Wisman asal 47
Singapura
4.18 Uji Kesamaan Dua Rata-rata pada Wisman asal 48
Thailand
4.19 Hasil Peramalan 49
viii
UNIVERSITAS SUMATERA UTARA
DAFTAR GAMBAR
No.
Gambar Judul Halaman
2.1 Pola Data Horizontal 6
2.2 Pola Data Musiman 6
2.3 Pola Data Siklis 6
2.4 Pola Data Trend 7
3.1 Diagram Kerangka Penelitian 21
4.1 Grafik Wisman Asal Brunei Darussalam 24
4.2 Grafik Wisman Asal Malaysia 24
4.3 Grafik Wisman Asal Filipina 25
4.4 Grafik Wisman Asal Singapura 25
4.5 Grafik Wisman Asal Thailand 26
4.6 Grafik Wisman Asal Vietnam 26
4.7 Grafik Wisman Asal Myanmar 27
4.8 Grafik Peramalan pada jumlah wisman asal Brunei 50
Darussalam
4.9 Grafik Peramalan pada jumlah wisman asal Malaysia 50
4.10 Grafik Peramalan pada jumlah wisman asal Filipina 50
4.11 Grafik Peramalan pada jumlah wisman asal Singapura 51
4.12 Grafik Peramalan pada jumlah wisman asal Thailand 51
ix
UNIVERSITAS SUMATERA UTARA
DAFTAR
LAMPIRAN
No.
Judul Halaman
Lampiran
1 Tabel Nilai Luas Kurva Normal untuk Nilai Z 54
2 Tabel Nilai Kritis untuk Uji Kenormalan Liliefors 56
3 Tabel Distribusi t-Student 57
4 Pengerjaan dengan Simulasi Monte Carlo 58
5 Hasil Peramalan 68
x
UNIVERSITAS SUMATERA UTARA
BAB 1
PENDAHULUAN
2.1 Peramalan
2.1.1 Konsep Dasar Peramalan
Dalam menerapkan hasil suatu peramalan, terdapat beberapa sifat hasil peramalan
yang harus dipertimbangkan, yaitu:
1. Peramalan pasti mengandung kesalahan
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka
panjang.
Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah
dengan mempertimbangkan jenis pola datanya. Pola data dapat dibedakan menjadi
empat (Makridakis et al, 1999), yaitu:
1. Pola Horizontal
Terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan
(deret seperti ini adalah stasioner terhadap nilai rata-ratanya). Suatu produk
yang penjualannya tidak meningkat atau menurun selama waktu tertentu
termasuk jenis pola ini. Pola data horizontal ditunjukkan pada gambar
berikut.
1. Wisatawan (tourist)
Dalam teknik Monte Carlo, data buatan dihasilkan melalui random number
generator(pembangkit bilangan acak) dan distribusi kumulatif. Karena
menghasilkan angka acak yang sebenarnya tidak benar-benar acak, sehingga disebut
pembangkit bilangan acak yang berarti bahwa apa yang dihasilkan sebenarnya dapat
dihasilkan tidak acak dan mempunyai kriteria yang harus dipenuhi, yaitu:
a. Berdistribusi seragam U(0,1) dan tidak berkorelasi antar bilangan
b. Membangkitkan cepat, storage tidak besar
c. Dapat di produksi berulang-ulang
d. Periode besar, karena mungkin bilangan acak dibangkitkan berulang.
Berbagai cara untuk mendapatkan bilangan acak, bisa dengan bantuan
komputer (misal Microsoft Excel dengan fungsi RAND) atau menggunakan metode
bilangan acak. Metode untuk bilangan acak biasanya adalah Linear Congruential
Generator (LCG),dan Multiplicative Congruential Generator (MCG). LCG
mempunyai rumus:
𝑍𝑖 = (𝑎𝑍𝑖−1 + 𝑐)mod 𝑚 (2.6)
dan MCG mempunyai rumus:
𝑍𝑖 = (𝑎𝑍𝑖−1)mod 𝑚 (2.7)
dengan:
𝑍𝑖 = bilangan acak deret ke-n
𝑍𝑖−1 = bilangan acak sebelumnya,(𝑍0 < 𝑚)
𝑎 = faktor pengali, (𝑎 < 𝑚)
𝑐 = increment factor, (𝑐 < 𝑚)
𝑚 = modulus factor.(𝑚 > 0)
Dari rumus (2.6) dan (2.7)dicari bilangan acak (𝑈𝑖) yang diinginkan
(untuk 𝑖 = 1,2,3, …) pada [0,1], maka menurut Law dan Kelton (1991) rumusnya
adalah:
𝑈𝑖 𝑍𝑖
= (2.8)
𝑚
Misalkan diberikan bilangan acak dikerjakan dengan aturan LCG dengan
𝑚 = 16, 𝑎 = 5, 𝑐 = 3, dan 𝑍0 = 7. Maka 10 bilangan acak yang dihasilkan dapat
dilihat pada Tabel 2.1
Tabel 2.1Contoh bilangan acak dengan aturan LCG
𝒊 𝒁𝒊 𝑼𝒊
0 7
1 6 0,375
2 1 0,063
3 8 0,500
4 11 0,688
5 10 0,625
6 5 0,313
7 12 0,750
8 15 0,938
9 14 0,875
10 9 0,563
√2𝜋
1 𝑥2
2
−
𝑓(𝑥 2) = 𝑒 2
√2𝜋
maka,
2 2
1 −(𝑥1 + 𝑥2 )
𝑓(𝑥1. 𝑥2) = 𝑓(𝑥1). 𝑓(𝑥2) = 𝑒 2 2
2𝜋
2 2
𝑥 −𝑥
1 2
𝑓(𝑥1 , 𝑥2 ) = −
𝑒 1 2 .
2𝜋
Misalkan
2 2
𝑌 = 𝑋 1 + 𝑋2 (𝑥 ∈ 𝑋; 𝑦 ∈ 𝑌)
diperoleh
1 −𝑦
𝑓(𝑦) = 𝑒2
2𝜋
makadiuraikan
𝑡
1 −𝑦
𝐹(𝑦) = ∫ 𝑒 2 𝑑𝑦
2𝜋
0
1 𝑦 𝑡
= [−2𝑒 −2 ]
2𝜋 0
1 𝑡
= [(−2𝑒 2) − (−2𝑒0)]
2𝜋
1 𝑡
= −2
2𝜋 (−2𝑒 + 2)
1 𝑒 −2𝑡
= − .
𝜋 𝜋
Random variate-nyaadalah:
𝑡
1 𝑒−2
𝐹(𝑦) = 𝑅 = −
𝜋 𝜋
𝑡
−
𝑒2 1
= −𝑅
𝜋 𝜋
𝑡
𝑒 −2 = 1 − 𝜋𝑅
𝑡
ln (𝑒 −2) = ln( 1 − 𝜋𝑅)
𝑡
− = ln( 1 − 𝜋𝑅)
2
𝑡 = −2 ln( 1 − 𝜋𝑅)
Kemudian, dari 𝑌 = 𝑡 = 𝑋 + 𝑋 , diperoleh
2 2
1 2
𝑋 + 𝑋2 = −2 ln(1 − 𝜋𝑅).
2
1 2
𝑋1 1 𝑋1
Jika diketahui𝜃 = arctan untuk 𝑁(0,2𝜋), akandiperoleh𝑅 = arctan .
𝑋 2𝜋 𝑋2
2
4. Jika 𝑊 > 1, maka kembali ke langkah 1 dan jika tidak lanjutkan ke langkah
selanjutnya
−2 ln𝑊
5. Hitung 𝑌 = √
𝑊
(2.11)
𝑋2 = √−2 ln 𝑈1 sin 2𝜋𝑈2
7. Masukkan ke 𝑋 ′ = 𝜇 + 𝑋𝑖𝜎.
Uji ini digunakan untuk menguji kesamaan rata-rata dari dua populasi
berdasarkan dua buah sampel yang ditarik dari dua populasi tersebut. Gunanya untuk
menguji kemampuan generalisasi (signifikansi hasil penelitian yang berupa
perbandingan dua rata-rata sampel). Dua sampel tersebut merupakan sampel-sampel
yang saling berhubungan atau independent dari berasal dari populasi-populasi
berdistribusi normal. Uji statistik yang digunakan adalah uji statistik t. Berikut rumus
untukmenghitung nilai statistik t(Gio, 2013).
𝑑̅ − 𝜇 𝑑
𝑡= 𝜎
√𝑛
(2.12)
2
(∑ 𝑑 − 𝑑̅)
𝜎= √ (2.13)
𝑛−1
Perhatikan bahwa tmerupakan nilai dari statistik t,𝑑̅ merupakan rata-rata dari
selisih pasangan data dalam populasi,𝜇𝑑 merupakan selisih antara dua populasi dan
𝜎merupakan nilai standar deviasi dari selisih pasangan data dalam sampel.
2.8 Penelitian Terdahulu
Pengambilan data
Data yang akan dianalisis dalam penelitian ini adalah jumlah wisman asal
negara anggota ASEAN yang berkunjung ke Sumatera Utara tahun 2007-2018 yang
diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara. Data tersebut dapat
dilihat pada Tabel 4.1 berikut.
Tabel 4.1 Data Jumlah Wisatawan Mancanegara asal negara anggota ASEAN di
Sumatera Utara tahun 2007-2018
Negara
No Tahun Brunei
Malaysia Filipina Singapura Thailand Vietnam Myanmar
Darussalam
1. 2007 133 81.347 899 7.622 988 147 59
2. 2008 79 84.387 991 9.946 1.460 124 120
3. 2009 94 102.685 986 10.361 1.677 102 149
4. 2010 79 109.230 970 11.187 2.686 167 1.014
5. 2011 103 132.037 942 11.592 2.180 250 127
6. 2012 140 143.644 1.041 13.579 2.757 237 157
7. 2013 248 148.465 1.341 18.276 3.906 337 158
8. 2014 124 152.389 1.279 18.066 4.844 369 182
9. 2015 218 129.203 1.551 12.516 3.087 405 202
10. 2016 91 115.007 1.094 14.322 3.027 311 147
11. 2017 172 128.761 1.541 17.312 3.688 1.356 259
12. 2018 221 139.878 1.612 18.620 3.605 752 317
Jumlah 1.702 1.467.033 14.247 163.399 33.905 4.557 2.891
Sumber: Badan Pusat Statistik Provinsi Sumatera Utara
300
250
200
150
100
50
0
200720082009201020112012201320142015201620172018
1600
1400
1200
1000
800
600
400
200
0
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
1200
1000
800
600
400
200
0
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
∑12 (𝑥 − 𝑥̅)2
𝜎 = √ 𝑖=1 𝑖
𝑛−1
= √3.538,697
= 59,487
Kemudian hitung 𝑧𝑖 dengan rumus (2.1) dan tentukan nilai 𝐹(𝑧𝑖) dimana i =
1, 2, … ,12 dengan daftar luas dibawah kurva normal dengan rumus (2.4)
menggunakan tabel distribusi normal (Lampiran 1). Lalu hitung proporsi
𝑧1, 𝑧2, … , 𝑧𝑛 yang lebih kecil atau sama dengan 𝑧𝑛, dengan rumus (2.5). Dan
terakhir adalah menghitung selisih |𝐹(𝑧𝑖) − 𝑆(𝑧𝑖)| untuk 𝑖 = 1,2,3, … ,12
yang akan dirincikan pada Tabel 4.2 berikut.
Tabel 4.2 Uji Kenormalan Liliefors pada Data Jumlah Wisman Asal Brunei
Darussalam
No 𝒙𝒊 𝒙𝒊 − 𝒙̅ (𝒙𝒊 − 𝒙̅)𝟐 𝒛𝒊 𝑭(𝒛𝒊) 𝑺(𝒛𝒊) |𝑭(𝒛𝒊) − 𝑺(𝒛𝒊)|
1. 133 -8,833 78,028 -0,15 0,440 0,583 0,143
2. 79 -62,833 3.948,028 -1,06 0,145 0,167 0,022
3. 94 -47,833 2.288,028 -0,80 0,212 0,333 0,121
4. 79 -62,833 3.948,028 -1,06 0,145 0,167 0,022
5. 103 -38,833 1.508,028 -0,65 0,258 0,417 0,159
6. 140 -1,833 3,361 -0,03 0,488 0,667 0,179
7. 248 106,167 11.271,361 1,78 0,963 1,000 0,037
8. 124 -17,833 318,028 -0,30 0,382 0,500 0,118
9. 218 76,167 5.801,361 1,28 0,899 0,833 0,066
10. 91 -50,833 2.584,028 -0,85 0,198 0,250 0,052
11. 172 30,167 910,028 0,51 0,695 0,750 0,055
12. 221 79,167 6.267,361 1,33 0,908 0,917 0,009
∑ 12 (𝑥𝑖 − 𝑥̅)2
𝜎 = √ 𝑖=1
𝑛−1
6.261.990.626,250
=√
11
= 23.859,419
Kemudian hitung 𝑧𝑖 dengan rumus (2.1) dan tentukan nilai 𝐹(𝑧𝑖) dimana i =
1, 2, … ,12 dengan daftar luas dibawah kurva normal dengan rumus (2.4)
menggunakan tabel distribusi normal (Lampiran 1). Lalu hitung proporsi
𝑧1, 𝑧2, … , 𝑧𝑛 yang lebih kecil atau sama dengan 𝑧𝑛, dengan rumus (2.5).
Terakhir menghitung selisih |𝐹(𝑧 𝑖) − 𝑆(𝑧𝑖)|yang akan dirincikan pada Tabel
4.3 berikut.
Tabel 4.3 Uji Kenormalan Liliefors pada Data Jumlah Wisman Asal Malaysia
No 𝒙𝒊 𝒙𝒊 − 𝒙̅ (𝒙𝒊 − 𝒙̅)𝟐 𝒛𝒊 𝑭(𝒛𝒊) 𝑺(𝒛𝒊) |𝑭(𝒛𝒊) − 𝑺(𝒛𝒊)|
1. 81.347 -40.905,750 1.673.280.383,063 -1,71 0,044 0,083 0,039
2. 84.387 -37.865,750 1.433.815.023,063 -1,59 0,056 0,167 0,111
3. 102.685 -19.567,750 382.896.840,063 -0,82 0,206 0,250 0,044
4. 109.230 -13.022,750 169.592.017,563 -0,55 0,291 0,333 0,042
5. 132.037 9.784,250 95.731.548,063 0,41 0,659 0,667 0,008
6. 143.644 21.391,250 457.585.576,563 0,90 0,816 0,833 0,017
7. 148.465 26.212,250 687.082.050,063 1,10 0,864 0,917 0,053
8. 152.389 30.136,250 908.193.564,063 1,26 0,896 1,000 0,104
9. 129.203 6.950,250 48.305.975,063 0,29 0,614 0,583 0,031
10. 115.007 -7.245,750 52.500.893,063 -0,30 0,382 0,417 0,035
11. 128.761 6.508,250 42.357.318,063 0,27 0,606 0,500 0,106
12. 139.878 17.625,250 310.649.437,563 0,74 0,770 0,750 0,020
Pada Tabel 4.3dapat dilihat bahwa:
𝐿ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑀𝑎𝑥[|𝐹(𝑧𝑖) − 𝑆(𝑧𝑖)|] = 0,111.𝐿𝑡𝑎𝑏𝑒𝑙 = 𝐿𝛼(𝑛), diperoleh dari tabel
Uji Kenormalan Liliefors dengan taraf nyata 𝛼 = 0,05 dan 𝑛 = 12, maka
nilai 𝐿𝛼(𝑛) = 𝐿005(12) = 0,242 (Lampiran 2) yang mengakibatkan 𝐿ℎ𝑖𝑡𝑢𝑛𝑔 ≤
∑ 12 (𝑥𝑖 − 𝑥̅)2
𝜎 = √ 𝑖=1
𝑛−1
769.456,250
=√
11
= √69.950,568
= 264,482
Kemudian hitung 𝑧𝑖 dengan rumus (2.1) dan tentukan nilai 𝐹(𝑧𝑖) dimana i =
1, 2, … ,12 dengan daftar luas dibawah kurva normal dengan rumus (2.4)
menggunakan tabel distribusi normal (Lampiran 1). Lalu hitung proporsi
𝑧1, 𝑧2, … , 𝑧𝑛 yang lebih kecil atau sama dengan 𝑧𝑛, dengan rumus (2.5). Dan
terakhir adalah menghitung selisih |𝐹(𝑧𝑖) − 𝑆(𝑧𝑖)| yang akan dirincikan pada
Tabel 4.4 berikut.
Tabel 4.4 Uji Kenormalan Liliefors pada Data Jumlah Wisman Asal Filipina
No 𝒙𝒊 𝒙𝒊 − 𝒙̅ (𝒙𝒊 − 𝒙̅)𝟐 𝒛𝒊 𝑭(𝒛𝒊) 𝑺(𝒛𝒊) |𝑭(𝒛𝒊) − 𝑺(𝒛𝒊)|
1. 899 -288,250 83.088,063 -1,09 0,138 0,083 0,055
2. 991 -196,250 38.514,063 -0,74 0,229 0,417 0,188
3. 986 -201,250 40.501,563 -0,76 0,224 0,333 0,109
4. 970 -217,250 47.197,563 -0,82 0,206 0,250 0,044
5. 942 -245,250 60.147,563 -0,93 0,176 0,167 0,009
6. 1.041 -146,250 21.389,063 -0,55 0,291 0,500 0,209
7. 1.341 153,750 23.639,063 0,58 0,719 0,750 0,031
8. 1.279 91,750 8.418,063 0,35 0,637 0,667 0,030
9. 1.551 363,750 132.314,063 1,38 0,916 0,917 0,001
10. 1.094 -93,250 8.695,563 -0,35 0,363 0,583 0,220
11. 1.541 353,750 125.139,063 1,34 0,909 0,833 0,076
12. 1.612 424,750 180.412,563 1,61 0,946 1,000 0,054
∑12 (𝑥 − 𝑥̅)2
𝜎 = √ 𝑖=1 𝑖
𝑛−1
151.916.910,917
=√
11
= 3.766,265
Kemudian hitung 𝑧𝑖 dengan rumus (2.1) dan tentukan nilai 𝐹(𝑧𝑖) dimana i =
1, 2, … ,12 dengan daftar luas dibawah kurva normal dengan rumus (2.4)
menggunakan tabel distribusi normal (Lampiran 1). Lalu hitung proporsi
𝑧1, 𝑧2, … , 𝑧𝑛 yang lebih kecil atau sama dengan 𝑧𝑛, dengan rumus (2.5). Dan
terakhir adalah menghitung selisih |𝐹(𝑧𝑖) − 𝑆(𝑧𝑖)| yang akan dirincikan pada
Tabel 4.5 berikut.
Tabel 4.5 Uji Kenormalan Liliefors pada Data Jumlah Wisman Asal Singapura
No 𝒙𝒊 𝒙𝒊 − 𝒙̅ (𝒙𝒊 − 𝒙̅ )𝟐 𝒛𝒊 𝑭(𝒛𝒊) 𝑺(𝒛𝒊) |𝑭(𝒛𝒊) − 𝑺(𝒛𝒊)|
1. 7.622 -5.994,583 35.935.029,340 -1,61 0,054 0,083 0,029
2. 9.946 -3.670,583 13.473.182,007 -0,99 0,161 0,167 0,006
3. 10.361 -3.255,583 10.598.822,840 -0,88 0,189 0,250 0,061
4. 11.187 -2.429,583 5.902.875,174 -0,65 0,258 0,333 0,075
5. 11.592 -2.024,583 4.098.937,674 -0,54 0,295 0,417 0,122
6. 13.579 -37,583 1.412,507 -0,01 0,496 0,583 0,087
7. 18.276 4.659,417 21.710.163,674 1,25 0,894 0,917 0,023
8. 18.066 4.449,417 19.797.308,674 1,20 0,885 0,833 0,052
9. 12.516 -1.100,583 1.211.283,674 -0,30 0,382 0,500 0,118
10. 14.322 705,417 497.612,674 0,19 0,575 0,667 0,092
11. 17.312 3.695,417 13.656.104,340 0,99 0,839 0,750 0,089
12. 18.620 5.003,417 25.034.178,340 1,35 0,912 1,000 0,088
∑ 12 (𝑥𝑖 − 𝑥̅)2
𝜎 = √ 𝑖=1
𝑛−1
13.703.204,917
=√
11
= 1.116,129
Kemudian hitung 𝑧𝑖 dengan rumus (2.1) dan tentukan nilai 𝐹(𝑧𝑖) dimana i =
1, 2, … ,12 dengan daftar luas dibawah kurva normal dengan rumus (2.4)
menggunakan tabel distribusi normal (Lampiran 1). Lalu hitung proporsi
𝑧1, 𝑧2, … , 𝑧𝑛 yang lebih kecil atau sama dengan 𝑧𝑛, dengan rumus (2.5).
Terakhir adalah menghitung selisih |𝐹(𝑧𝑖) − 𝑆(𝑧𝑖)| yang akan dirincikan
pada Tabel 4.6 berikut.
Tabel 4.6 Uji Kenormalan Liliefors pada Data Jumlah Wisman Asal Thailand
No 𝒙𝒊 𝒙𝒊 − 𝒙̅ (𝒙𝒊 − 𝒙̅)𝟐 𝒛𝒊 𝑭(𝒛𝒊) 𝑺(𝒛𝒊) |𝑭(𝒛𝒊) − 𝑺(𝒛𝒊)|
1. 988 -1.837,417 3.376.100,007 -1,65 0,049 0,083 0,034
2. 1.460 -1.365,417 1.864.362,674 -1,22 0,111 0,167 0,056
3. 1.677 -1.148,417 1.318.860,840 -1,03 0,152 0,250 0,098
4. 2.686 -139,417 19.437,007 -0,12 0,452 0,417 0,035
5. 2.180 -645,417 416.562,674 -0,58 0,281 0,333 0,052
6. 2.757 -68,417 4.680,840 -0,06 0,476 0,500 0,024
7. 3.906 1.080,583 1.167.660,340 0,97 0,834 0,917 0,083
8. 4.844 2.018,583 4.074.678,674 1,81 0,965 1,000 0,035
9. 3.087 261,583 68.425,840 0,23 0,591 0,667 0,076
10. 3.027 201,583 40.635,840 0,18 0,571 0,583 0,012
11. 3.688 862,583 744.050,007 0,77 0,779 0,833 0,054
12. 3.605 779,583 607.750,174 0,70 0,758 0,750 0,008
Pada Tabel 4.6dapat dilihat bahwa:
𝐿ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑀𝑎𝑥[|𝐹(𝑧𝑖) − 𝑆(𝑧𝑖)|] = 0,098. 𝐿𝑡𝑎𝑏𝑒𝑙 = 𝐿𝛼(𝑛), diperoleh dari
tabel Uji Kenormalan Liliefors dengan taraf nyata 𝛼 = 0,05 dan 𝑛 = 12,
maka nilai 𝐿𝛼(𝑛) = 𝐿005(12) = 0,242 yang mengakibatkan 𝐿ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝐿𝑡𝑎𝑏𝑒𝑙,
∑ 12 (𝑥𝑖 − 𝑥̅)2
𝜎 = √ 𝑖=1
𝑛−1
1.378.142,250
=√
11
= √125.285,659
= 353,957
Kemudian hitung 𝑧𝑖 dengan rumus (2.1) dan tentukan nilai 𝐹(𝑧𝑖) dimana i =
1, 2, … ,12 dengan daftar luas dibawah kurva normal dengan rumus (2.4)
menggunakan tabel distribusi normal (Lampiran 1). Lalu hitung proporsi
𝑧1, 𝑧2, … , 𝑧𝑛 yang lebih kecil atau sama dengan 𝑧𝑛, dengan rumus (2.5). Dan
terakhir adalah menghitung selisih |𝐹(𝑧𝑖) − 𝑆(𝑧𝑖)| yang akan dirincikan pada
Tabel 4.7 berikut.
Tabel 4.7 Uji Kenormalan Liliefors pada Data Jumlah Wisman Asal Vietnam
No 𝒙𝒊 𝒙𝒊 − 𝒙̅ (𝒙𝒊 − 𝒙̅)𝟐 𝒛𝒊 𝑭(𝒛𝒊) 𝑺(𝒛𝒊) |𝑭(𝒛𝒊) − 𝑺(𝒛𝒊)|
1. 147 -232,750 54.172,563 -0,66 0,255 0,250 0,005
2. 124 -255,750 65.408,063 -0,72 0,236 0,167 0,069
3. 102 -277,750 77.145,063 -0,78 0,218 0,083 0,135
4. 167 -212,750 45.262,563 -0,60 0,274 0,333 0,059
5. 250 -129,750 16.835,063 -0,37 0,356 0,500 0,144
6. 237 -142,750 20.377,563 -0,40 0,345 0,417 0,072
7. 337 -42,750 1.827,563 -0,12 0,452 0,667 0,215
8. 369 -10,750 115,563 -0,03 0,488 0,750 0,262
9. 405 25,250 637,563 0,07 0,528 0,833 0,305
10. 311 -68,750 4.726,563 -0,19 0,425 0,583 0,158
11. 1.356 976,250 953.064,063 2,76 0,997 1,000 0,003
12. 752 372,250 138.570,063 1,05 0,853 0,917 0,064
∑12 (𝑥 − 𝑥̅)2
𝜎 = √ 𝑖=1 𝑖
𝑛−1
700.636,917
=√
11
= 252,377
Kemudian hitung 𝑧𝑖 dengan rumus (2.1) dan tentukan nilai 𝐹(𝑧𝑖) dimana i =
1, 2, … ,12 dengan daftar luas dibawah kurva normal dengan rumus (2.4)
menggunakan tabel distribusi normal (Lampiran 1). Lalu hitung proporsi
𝑧1, 𝑧2, … , 𝑧𝑛 yang lebih kecil atau sama dengan 𝑧𝑛, dengan rumus (2.5). Dan
terakhir adalah menghitung selisih |𝐹(𝑧𝑖) − 𝑆(𝑧𝑖)| yang akan dirincikan pada
Tabel 4.8 berikut.
Tabel 4.8 Uji Kenormalan Liliefors pada Data Jumlah Wisman Asal Myanmar
No 𝒙𝒊 𝒙𝒊 − 𝒙̅ (𝒙𝒊 − ̅𝒙)𝟐 𝒛𝒊 𝑭(𝒛𝒊) 𝑺(𝒛𝒊) |𝑭(𝒛𝒊) − 𝑺(𝒛𝒊)|
1. 59 -181,917 33.093,674 -0,72 0,236 0,083 0,152
2. 120 -120,917 14.620,840 -0,48 0,316 0,167 0,149
3. 149 -91,917 8.448,674 -0,36 0,359 0,417 0,058
4. 1.014 773,083 597.657,840 3,06 0,999 1,000 0,001
5. 127 -113,917 12.977,007 -0,45 0,326 0,250 0,076
6. 157 -83,917 7.042,007 -0,33 0,371 0,583 0,212
7. 158 -82,917 6.875,174 -0,33 0,371 0,583 0,212
8. 182 -58,917 3.471,174 -0,23 0,409 0,667 0,258
9. 202 -38,917 1.514,507 -0,15 0,440 0,750 0,310
10. 147 -93,917 8.820,340 -0,37 0,356 0,333 0,023
11. 259 18,083 327,007 0,07 0,528 0,833 0,305
12. 317 76,083 5.788,674 0,30 0,618 0,917 0,299
Berikut ini pengerjaan simulasi dari tiap negara yang telah diketahui
parameternya, sebagai berikut:
a. Simulasi data wisman asal Brunei Darussalam
Pada data wisman asal Brunei Darussalam, rata-rata (𝜇) dan standar
deviasinya (𝜎) adalah 141,833 dan 59,487. Kemudian data diurutkan dari
yang terkecil hingga yang terbesar, didapatlah nilai minimum dan
maksimumnya adalah 79 dan 248. Mula-mula dibangkitkan nilai 𝑈1 dan 𝑈2
menggunakan fungsi =RAND(). Kemudian diambil sebagai contoh untuk
menentukan nilai 𝑋 yang didapat dengan rumus (2.10), yaitu:
𝑋 = √−2 ln 𝑈1 cos 2𝜋𝑈2
= √0,915 × (−0,082)
= 0,957 × (−0,082)
= −0,080
Lalu dari bilangan acak yang diperoleh dikonversi menjadi jumlah
kedatangan wisman, yaitu:
𝑋′ = 𝜇 + 𝜎𝑋
= 141,833 + (59,487 × (−0,080))
= 137,074
≈ 137.
Seterusnya dapat dilihat pada Lampiran 4. Tabel 4.9 menjelaskan rangkuman
data simulasi jumlah wisman asal Brunei Darussalam.
Tabel 4.9 Simulasi jumlah wisman asal Brunei Darussalam
Pada Tabel 4.9, rata-rata jumlah wisman asal Brunei Darussalam hasil
simulasi sebesar 1.605 orang, hanya berbeda sedikit dengan data yang
sebenarnya yaitu sebesar 1.702 orang.
= √9,657 × 0,345
= 3,108 × 0,345
= 1,055
Lalu dari bilangan acak yang diperoleh dikonversi menjadi jumlah
kedatangan wisman, yaitu:
𝑋′ = 𝜇 + 𝜎𝑋
= 122.252,750 + (23.859,419 × 1,055)
= 147430,746
≈ 147.431.
Seterusnya dapat dilihat pada Lampiran 4. Tabel 4.10 menjelaskan
rangkuman data simulasi jumlah wisman asal Malaysia.
Tabel 4.10 Simulasi jumlah wisman asal Malaysia
Pada Tabel 4.10, rata-rata jumlah wisman asal Malaysia hasil simulasi
sebesar 1.487.502 orang, hanya berbeda sedikit dengan data yang sebenarnya
yaitu sebesar 1.467.033 orang.
= √0,893 × 0,927
= 0,945 × 0,927
= 0,877.
Lalu dari bilangan acak yang diperoleh dikonversi menjadi jumlah
kedatangan wisman, yaitu:
𝑋′ = 𝜇 + 𝜎𝑋
= 1.187,250 + (264,482 × 0,877)
= 1.419,200
≈ 1.419.
Seterusnya dapat dilihat pada Lampiran 4. Tabel 4.11 menjelaskan
rangkuman data simulasi jumlah wisman asal Filipina.
Tabel 4.11 Simulasi jumlah wisman asal Filipina
Pada Tabel 4.11, rata-rata jumlah wisman asal Filipina hasil simulasi sebesar
14.396 orang, hanya berbeda sedikit dengan data yang sebenarnya yaitu
sebesar 14.247 orang.
= √0,269 × 0,487
= 0,519 × 0,487
= 0,253.
Lalu dari bilangan acak yang diperoleh dikonversi menjadi jumlah
kedatangan wisman, yaitu:
𝑋′ = 𝜇 + 𝜎𝑋
= 13.616,583 + (3.716,265 × 0,253)
= 14.553,443
≈ 14.553.
Seterusnya dapat dilihat pada Lampiran 4. Tabel 4.12 menjelaskan
rangkuman data simulasi jumlah wisman asal Singapura.
Tabel 4.12 Simulasi jumlah wisman asal Singapura
Pada Tabel 4.12, rata-rata jumlah wisman asal Singapura hasil simulasi
sebesar 169.946 orang, hanya berbeda sedikit dengan data yang sebenarnya
yaitu sebesar 163.399 orang.
= √0,184 × 0,914
= 0,429 × 0,194
= 0,084.
Lalu dari bilangan acak yang diperoleh dikonversi menjadi jumlah
kedatangan wisman, yaitu:
𝑋′ = 𝜇 + 𝜎𝑋
= 2.825,417 + (1.116,129 × 0,084)
= 2.919,171
≈ 2.919.
Seterusnya dapat dilihat pada Lampiran 4. Tabel 4.13 menjelaskan
rangkuman data simulasi jumlah wisman asal Thailand.
Tabel 4.13 Simulasi jumlah wisman asal Thailand
Pada Tabel 4.13, rata-rata jumlah wisman asal Thailand hasil simulasi sebesar
32.171 orang, hanya berbeda sedikit dengan data yang sebenarnya yaitu
sebesar 33.905 orang.
Setelah data disimulasikan, data diuji kesamaan rata-rata dua populasi untuk
membuktikan apakah data yang hasil simulasi serupa dengan data yang sebenarnya.
Langkah pengerjaan hipotesis yang dilakukan adalah (tingkat signifikansinya 𝛼 =
0,05):
𝐻0 = Tidakadanyaperbedaan yang signifikan antara data wisman sebenarnya (𝑋)
dengan data hasil simulasi (𝑌).
= 164,620
Selanjutnya menghitung nilai statistik t.
𝑑̅ − 𝜇𝑑
𝑡= 𝜎
√𝑛
−8 − 0
=
164,620
√12
= −0,168
Berdasarkan perhitungan, nilai statistik t adalah−0,168. Karena −2,201 <
−0,168 < 2,201, maka 𝐻0 diterima dan 𝐻1 ditolak ini berarti tidak terdapat
perbedaan yang signifikan terhadap data wisman asal Brunei Darussalam
hasil simulasi dengan data riilnya dapat diterima pada tingkat
signifikansi 5%. Hasil ini mengindikasikan bahwa hasil estimasi
menggunakan Monte Carlo dapat digunakan dalam memprediksi jumlah
wisman asal Brunei Darussalam.
= 127.750,161
Selanjutnya menghitung nilai statistik t.
𝑑̅ − 𝜇 𝑑
𝑡= 𝜎
√𝑛
1.705,784 − 0
= 127.750,161
√12
= −0,046
Berdasarkan perhitungan, nilai statistik t adalah −0,046. Karena −2,201 <
−0,046 < 2,201, maka 𝐻0 diterima dan 𝐻1 ditolak ini berarti tidak terdapat
perbedaan yang signifikan terhadap data wisman asal Malaysia hasil simulasi
dengan data riilnya dapat diterima pada tingkat signifikansi 5%. Hasil ini
mengindikasikan bahwa hasil estimasi menggunakan Monte Carlo dapat
digunakan dalam memprediksi jumlah wisman asal Malaysia.
17.655.620
=√
11
= 1.266,908
Selanjutnya menghitung nilai statistik t.
𝑑̅ − 𝜇𝑑
𝑡= 𝜎
√𝑛
12,437 − 0
=
1.266,908
√12
= 0,034
Berdasarkan perhitungan, nilai statistik t adalah 0,034. Karena −2,201 <
0,034 < 2,201, maka 𝐻0 diterima dan 𝐻1 ditolak ini berarti tidak terdapat
perbedaan yang signifikan terhadap data wisman asal Filipina hasil simulasi
dengan data riilnya dapat diterima pada tingkat signifikansi 5%. Hasil ini
mengindikasikan bahwa hasil estimasi menggunakan Monte Carlo dapat
digunakan dalam memprediksi jumlah wisman asal Filipina.
129.026.327
=√
12 − 1
= 14.318,486
Selanjutnya menghitung nilai statistik t.
𝑑̅ − 𝜇𝑑
𝑡= 𝜎
√𝑛
545,600 − 0
=
14.318,486
√12
= 0,132
Berdasarkan perhitungan, nilai statistik t adalah 0,312. Karena −2,201 <
0,132 < 2,201, maka 𝐻0 diterima dan 𝐻1 ditolak ini berarti tidak terdapat
perbedaan yang signifikan terhadap data wisman asal Singapura hasil
simulasi dengan data riilnya dapat diterima pada tingkat signifikansi 5%.
Hasil ini mengindikasikan bahwa hasil estimasi menggunakan Monte Carlo
dapat digunakan dalam memprediksi jumlah wisman asal Singapura.
118.301.853
=√
11
= 3.279,438
Selanjutnya menghitung nilai statistik t.
𝑑̅ − 𝜇𝑑
𝑡= 𝜎
√𝑛
−144,474 − 0
=
3.279,438
√10
= −0,153
Berdasarkan perhitungan, nilai statistikt adalah−0,153. Karena −2,201 <
−0,153 < 2,201, maka 𝐻0 diterima dan 𝐻1 ditolak ini berarti tidak terdapat
perbedaan yang signifikan terhadap data wisman asal Thailand hasil simulasi
dengan data riilnya dapat diterima pada tingkat signifikansi 5%. Hasil ini
mengindikasikan bahwa hasil estimasi menggunakan Monte Carlo dapat
digunakan dalam memprediksi jumlah wisman asal Thailand.
Gambar 4.8 Grafik Peramalan pada jumlah wisman asal Brunei Darussalam
Pada Gambar 4.8, jumlah wisatawan mancanegara yang berkunjung ke
Sumatera Utara asal Brunei Darussalam meningkat sebesar 4,62%.
180000
160000
140000
120000
100000
80000
60000
40000
20000
0
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
2000
1500
1000
500
0
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
20000
15000
10000
5000
0
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
Gambar 4.11 Grafik Peramalan pada jumlah wisman asal Singapura
Pada Gambar 4.11, jumlah wisatawan mancanegara yang berkunjung ke Sumatera
Utara asal Singapura meningkat sebesar 6,64%.
6000
5000
4000
3000
2000
1000
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
0
Gambar 4.12 Grafik Peramalan pada jumlah wisman asal Thailand
Pada Gambar 4.12, jumlah wisatawan mancanegara yang berkunjung ke
Sumatera Utara asal Thailand meningkat sebesar 8,75%. Oleh karena itu jumlah
wisman yang datang ke Sumatera Utara asal negara anggota ASEAN akan
meningkat dalam 5 tahun ke depan dengan jumlah wisman asal Thailand yang
diprediksi akan lebih signifikan dibandingkan dengan negara lainnya.
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
5.2 Saran
DAFTAR PUSTAKA
Alrabadi, Dima Waleed Hanna, Nada Ibrahim Abu Aljarayesh. 2015. Forecasting
Stock Market Returns Via Monte Carlo Simulation: The Case of Amman
Stock Exchange. Jordan Journal of Business Administration, Vol. 11,
No. 3.
[BPS] Badan Pusat Statistik Provinsi Sumatera Utara. 2019. Statistik Wisatawan
Mancanegara Sumatera Utara. Medan.
Gio, Prana Ugiana. 2013. Aplikasi Statistika dalam SPSS. USU Press: Medan.
Hira, D.S. 2001. System Simulation. S. Chand and Company Ltd: New Delhi.
Render, B., Ralph M. Stair Jr, Michael E. Hanna. 2012. Quantitative Analysis for
Management. Pearson Education Inc.: New Jersey.
Rubiensten, Reuven Y. 1981. Simulation and The Monte Carlo Method. John
Wiley & Sons: New York.
Tüzüntürk, Selim, Arzu Eren Şenaras, dan Kemal Sezen. 2015. Forecasting
Water Demand by Using Monte Carlo Simulation. Akademik Bakiş
Dergisi Sayı: 49 Mayıs – Haziran 2015.
Z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
-3.4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3.3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3.2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3.1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3.0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2.9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2.8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2.7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2.6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2.5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2.4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2.3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2.2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2.1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2.0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1.9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-1.8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1.7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1.6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1.5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1.4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1.3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1.2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1.1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1.0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
Z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1.0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1.1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1.2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1.3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1.4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1.5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1.6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1.7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1.8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1.9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2.0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2.1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2.2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2.3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2.4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2.5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2.6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2.7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2.8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2.9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3.0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3.1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3.2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3.3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3.4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
56
𝜶
0,20 0,15 0,10 0,05 0,01
n
4 0,300 0,319 0,352 0,381 0,417
5 0,285 0,299 0,315 0,337 0,405
6 0,265 0,277 0,294 0,319 0,364
7 0,247 0,258 0,276 0,300 0,348
8 0,233 0,244 0,261 0,285 0,331
9 0,223 0,233 0,249 0,271 0,311
10 0,215 0,224 0,239 0,258 0,294
11 0,206 0,217 0,230 0,249 0,284
12 0,199 0,212 0,223 0,242 0,275
13 0,190 0,202 0,214 0,234 0,268
14 0,183 0,194 0,207 0,227 0,261
15 0,177 0,187 0,201 0,220 0,257
16 0,173 0,182 0,195 0,213 0,250
17 0,169 0,177 0,189 0,206 0,245
18 0,166 0,173 0,184 0,200 0,239
19 0,163 0,169 0,179 0,195 0,235
20 0,160 0,166 0,174 0,190 0,231
Simulasi II
U1 U2 X X'
0.172 0.436 -1.727 39
0.314 0.527 -1.502 53
0.008 0.370 -2.137 15
0.747 0.173 0.356 163
0.583 0.684 -0.418 117
0.216 0.251 -0.010 141
0.764 0.546 -0.703 100
0.416 0.660 -0.710 100
0.572 0.897 0.841 192
0.876 0.131 0.351 163
0.668 0.670 -0.433 116
0.498 0.998 1.181 212
Simulasi III
U1 U2 X X'
0.925 0.701 -0.119 135
0.982 0.678 -0.084 137
0.059 0.750 -0.007 141
0.825 0.351 -0.368 120
0.845 0.868 0.393 165
U1 U2 X X'
0.141 0.472 -1.949 26
0.176 0.891 1.444 228
0.050 0.377 -1.752 38
0.926 0.236 0.034 144
0.583 0.871 0.716 184
0.487 0.762 0.093 147
0.760 0.080 0.649 180
Simulasi IV
U1 U2 X X'
0.495 0.855 0.728 185
0.036 0.444 -2.424 -2
0.913 0.059 0.399 166
0.561 0.640 -0.683 101
0.003 0.655 -1.919 28
0.666 0.447 -0.852 91
0.433 0.075 1.153 210
0.450 0.386 -0.955 85
0.728 0.610 -0.615 105
0.749 0.269 -0.091 136
0.851 0.371 -0.390 119
0.096 0.358 -1.359 61
Simulasi V
U1 U2 X X'
0.630 0.176 0.429 167
0.081 0.941 2.093 266
0.778 0.788 0.166 152
0.270 0.406 -1.345 62
0.833 0.712 -0.141 133
0.854 0.720 -0.106 136
0.047 0.739 -0.176 131
0.755 0.401 -0.608 106
0.876 0.185 0.205 154
0.342 0.768 0.164 152
0.434 0.865 0.854 193
0.123 0.293 -0.550 109
b. Pada Wisman asal
Malaysia Simulasi I
U1 U2 X X'
0.008 0.194 1.055 147,431
0.221 0.566 -1.590 84,306
0.857 0.925 0.495 134,066
0.370 0.341 -0.761 104,085
0.140 0.251 -0.008 122,060
0.347 0.080 1.275 152,668
0.705 0.026 0.824 141,922
0.841 0.851 0.349 130,584
0.741 0.667 -0.385 113,072
0.469 0.422 -1.085 96,359
0.422 0.506 -1.312 90,953
0.740 0.091 0.653 137,827
Simulasi II
U1 U2 X X'
0.372 0.362 -0.910 100,548
0.683 0.799 0.266 128,609
0.486 0.745 -0.036 121,389
0.408 0.848 0.776 140,756
0.878 0.739 -0.034 121,446
0.002 0.754 0.099 124,619
0.937 0.588 -0.308 114,893
0.854 0.313 -0.217 117,074
0.974 0.791 0.059 123,658
0.786 0.864 0.457 133,153
0.308 0.256 -0.056 120,908
0.027 0.902 2.191 174,526
Simulasi III
U1 U2 X X'
0.383 0.717 -0.287 115,415
0.599 0.325 -0.458 111,319
0.824 0.172 0.292 129,215
0.618 0.663 -0.512 110,038
0.897 0.958 0.449 132,961
U1 U2 X X'
0.913 0.724 -0.068 120,622
0.450 0.888 0.962 145,200
0.927 0.772 0.054 123,537
0.644 0.057 0.879 143,229
0.449 0.509 -1.263 92,111
0.876 0.597 -0.422 112,187
0.404 0.789 0.326 130,030
Simulasi IV
U1 U2 X X'
0.441 0.196 0.426 132,426
0.807 0.389 -0.501 110,288
0.364 0.946 1.341 154,257
0.470 0.420 -1.079 96,519
0.567 0.175 0.485 133,825
0.434 0.883 0.959 145,130
0.324 0.510 -1.497 86,528
0.343 0.041 1.413 155,969
0.474 0.859 0.775 140,749
0.499 0.722 -0.208 117,295
0.426 0.665 -0.667 106,335
0.028 0.155 1.505 158,171
Simulasi V
U1 U2 X X'
0.427 0.797 0.377 131,244
0.536 0.642 -0.699 105,577
0.995 0.889 0.073 124,000
0.656 0.205 0.254 128,322
0.290 0.735 -0.151 118,658
0.407 0.837 0.695 138,830
0.628 0.312 -0.369 113,452
0.214 0.734 -0.175 118,087
0.513 0.864 0.762 140,424
0.095 0.670 -1.049 97,220
0.742 0.880 0.562 135,652
0.785 0.479 -0.690 105,780
c. Pada Wisman asal
Filipina Simulasi I
U1 U2 X X'
0.640 0.061 0.877 1,419
0.212 0.064 1.624 1,617
0.793 0.282 -0.135 1,152
0.212 0.014 1.755 1,652
0.063 0.208 0.621 1,351
0.039 0.095 2.107 1,745
0.889 0.925 0.433 1,302
0.524 0.549 -1.084 901
0.747 0.717 -0.159 1,145
0.231 0.307 -0.598 1,029
0.841 0.186 0.231 1,248
0.139 0.050 1.890 1,687
Simulasi II
U1 U2 X X'
0.887 0.548 -0.466 1,064
0.315 0.759 0.088 1,210
0.562 0.284 -0.225 1,128
0.043 0.344 -1.392 819
0.027 0.263 -0.216 1,130
0.268 0.209 0.411 1,296
0.014 0.753 0.056 1,202
0.115 0.367 -1.393 819
0.088 0.470 -2.166 614
0.570 0.237 0.085 1,210
0.691 0.175 0.389 1,290
0.742 0.211 0.188 1,237
Simulasi III
U1 U2 X X'
0.091 0.044 2.106 1,744
0.136 0.293 -0.533 1,046
0.339 0.394 -1.155 882
0.687 0.400 -0.701 1,002
U1 U2 X X'
0.266 0.688 -0.617 1,024
0.803 0.644 -0.410 1,079
0.099 0.820 0.919 1,430
0.389 0.910 1.161 1,494
0.692 0.313 -0.331 1,100
0.255 0.977 1.636 1,620
0.474 0.650 -0.716 998
0.225 0.987 1.722 1,643
Simulasi IV
U1 U2 X X'
0.595 0.893 0.796 1,398
0.363 0.181 0.598 1,345
0.123 0.463 -1.993 660
0.576 0.150 0.615 1,350
0.963 0.465 -0.268 1,116
0.743 0.612 -0.586 1,032
0.059 0.431 -2.159 616
0.109 0.747 -0.044 1,176
0.246 0.280 -0.316 1,104
0.971 0.754 0.006 1,189
0.277 0.512 -1.598 765
0.532 0.548 -1.072 904
Simulasi V
U1 U2 X X'
0.895 0.633 -0.315 1,104
0.031 0.651 -1.534 781
0.287 0.166 0.800 1,399
0.294 0.006 1.563 1,601
0.302 0.544 -1.489 793
0.439 0.993 1.282 1,526
0.337 0.176 0.664 1,363
0.098 0.940 2.006 1,718
0.654 0.446 -0.869 958
0.784 0.141 0.442 1,304
0.872 0.160 0.281 1,262
0.990 0.760 0.008 1,189
d. Pada Wisman asal
Singapura Simulasi I
U1 U2 X X'
0.874 0.169 0.252 14,553
0.720 0.182 0.336 14,864
0.254 0.681 -0.692 11,046
0.891 0.428 -0.433 12,007
0.990 0.307 -0.050 13,431
0.003 0.196 1.133 17,827
0.608 0.115 0.748 16,397
0.634 0.610 -0.736 10,882
0.993 0.426 -0.107 13,219
0.858 0.492 -0.554 11,558
0.386 0.425 -1.228 9,054
0.274 0.255 -0.047 13,444
Simulasi II
U1 U2 X X'
0.021 0.386 -2.094 5,833
0.950 0.501 -0.321 12,423
0.667 0.750 0.002 13,624
0.972 0.094 0.199 14,356
0.642 0.318 -0.390 12,168
0.521 0.014 1.138 17,846
0.876 0.768 0.057 13,829
0.109 0.452 -2.011 6,141
0.878 0.161 0.272 14,627
0.201 0.865 1.181 18,007
0.135 0.131 1.360 18,672
0.556 0.976 1.070 17,595
Simulasi III
U1 U2 X X'
0.642 0.993 0.941 17,113
0.448 0.471 -1.245 8,989
0.672 0.777 0.152 14,183
0.120 0.575 -1.835 6,796
U1 U2 X X'
0.819 0.197 0.208 14,391
0.546 0.239 0.078 13,908
0.443 0.670 -0.614 11,336
0.677 0.116 0.658 16,064
0.817 0.843 0.350 14,916
0.986 0.609 -0.131 13,129
0.792 0.508 -0.681 11,084
0.814 0.210 0.160 14,213
Simulasi IV
U1 U2 X X'
0.670 0.721 -0.161 13,017
0.265 0.667 -0.814 10,590
0.840 0.600 -0.478 11,841
0.128 0.982 2.015 21,103
0.356 0.884 1.075 17,611
0.363 0.044 1.369 18,703
0.362 0.416 -1.232 9,039
0.287 0.291 -0.403 12,120
0.081 0.997 2.240 21,941
0.930 0.675 -0.174 12,969
0.590 0.438 -0.950 10,086
0.781 0.581 -0.614 11,337
Simulasi V
U1 U2 X X'
0.036 0.951 2.455 22,741
0.085 0.076 1.970 20,938
0.951 0.035 0.310 14,770
0.243 0.036 1.639 19,708
0.592 0.736 -0.088 13,290
0.864 0.863 0.354 14,931
0.390 0.699 -0.432 12,010
0.363 0.960 1.378 18,739
0.011 0.732 -0.340 12,353
0.211 0.022 1.748 20,114
0.771 0.334 -0.362 12,271
0.371 0.907 1.176 17,985
e. Pada Wisman asal
Thailand Simulasi I
U1 U2 X X'
0.912 0.219 0.084 2,919
0.220 0.176 0.780 3,695
0.537 0.754 0.030 2,859
0.712 0.512 -0.822 1,908
0.741 0.659 -0.420 2,357
0.129 0.291 -0.510 2,256
0.979 0.339 -0.109 2,704
0.272 0.065 1.481 4,478
0.072 0.470 -2.254 310
0.700 0.700 -0.261 2,534
0.117 0.971 2.037 5,099
0.286 0.909 1.331 4,311
Simulasi II
U1 U2 X X'
0.471 0.483 -1.219 1,464
0.312 0.712 -0.362 2,421
0.872 0.632 -0.352 2,432
0.123 0.189 0.769 3,684
0.313 0.999 1.523 4,525
0.162 0.981 1.895 4,940
0.823 0.645 -0.383 2,398
0.846 0.775 0.090 2,925
0.148 0.762 0.150 2,992
0.305 0.989 1.538 4,542
0.610 0.435 -0.912 1,807
0.650 0.230 0.118 2,957
Simulasi III
U1 U2 X X'
0.659 0.796 0.259 3,114
0.979 0.314 -0.081 2,735
0.880 0.909 0.425 3,300
0.285 0.342 -0.862 1,864
U1 U2 X X'
0.954 0.320 -0.131 2,679
0.082 0.570 -2.021 570
0.988 0.495 -0.157 2,650
0.684 0.312 -0.333 2,454
0.563 0.918 0.933 3,866
0.193 0.394 -1.426 1,234
0.604 0.722 -0.177 2,628
0.757 0.579 -0.656 2,093
Simulasi IV
U1 U2 X X'
0.928 0.000 0.387 3,257
0.190 0.560 -1.693 936
0.780 0.572 -0.634 2,118
0.703 0.624 -0.596 2,160
0.059 0.618 -1.759 863
0.986 0.090 0.142 2,984
0.722 0.131 0.550 3,440
0.957 0.624 -0.209 2,592
0.949 0.184 0.130 2,970
0.555 0.379 -0.787 1,947
0.551 0.710 -0.273 2,521
0.268 0.542 -1.565 1,079
Simulasi V
U1 U2 X X'
0.506 0.748 -0.013 2,811
0.613 0.492 -0.989 1,722
0.457 0.111 0.956 3,893
0.035 0.113 1.958 5,011
0.828 0.534 -0.600 2,156
0.337 0.403 -1.209 1,476
0.910 0.818 0.181 3,027
0.494 0.757 0.056 2,888
0.111 0.529 -2.061 525
0.060 0.119 1.737 4,764
0.145 0.309 -0.709 2,034
0.463 0.355 -0.760 1,977
Lampiran 6. Hasil Peramalan