PERAMALAN JUMLAH WISATAWAN MANCANEGARA

YANG MASUK MELALUI PINTU KEDATANGAN BANDARA

SOEKARNO HATTA DAN BANDARA JUANDA

Indira Rahmi1, Sri Pingit Wulandari2

1
Mahasiswa Jurusan Statistika Institut Teknologi Sepuluh Nopember
2
Dosen Jurusan Statistika Institut Teknologi Sepuluh Nopember
email : indira.rahmi09@mhs.statistika.its.ac.id,2 sri_pingit@statistika.its.ac.id
1

ABSTRAK
Peramalan jumlah kunjungan wisatawan mancanegara yang masuk ke suatu negara
sangat dibutuhkan bagi pelaku bisnis pariwisata, sehingga memodelkan data jumlah
kunjungan wisatawan mancanegara perlu untuk dilakukan. Model intervensi akan
digunakan untuk meramalkan jumlah wisatawan mancanegara yang masuk ke Indonesia
melalui bandara Soekarno Hatta dan bandara Juanda, model ini digunakan karena ada
faktor eksternal atau krisis politik Thailand yang mempengaruhi jumlah kunjungan
wisatawan mancanegara yang masuk ke Indonesia, namun apabila krisis politik Thailand
tak memberikan pengaruh terhadap jumlah kunjungan wisatawan maka dalam analisis
peramalannya akan digunakan model ARIMA Box-Jenkins. Hasil analisis yang dilakukan
menunjukkan bahwa ARIMA Box-Jenkins adalah model yang sesuai untuk data jumlah
kunjungan yang masuk melalui bandara Soekarno Hatta dan bandara Juanda.

Kata kunci : wisatawan mancanegara, krisis Thailand, dan ARIMA Box-Jenkins

I. PENDAHULUAN
Pariwisata memiliki peranan penting dalam pereko-nomian Indonesia. Dunia
pariwisata telah banyak memberikan konstribusinya terhadap kehidupan ekonomi. Oleh
sebab itu Kementerian Budaya dan Pariwisata menetapkan target kunjungan wisatawan
mancanegara meningkat di setiap tahunnya yaitu sebanyak 7,7 juta pengunjung. Lima
pintu masuk terbesar yang menerima kedatangan wisatawan mancanegara adalah Bandara
Ngurah Rai Bali, Bandara Soekarno Hatta Jakarta, Bandara Hang Nadim Batam, Bandara
Tanjung Pinang kepulauan Riau, Bandara Juanda Surabaya, dan Bandara Polonia medan.
Pada saat kejadian krisis politik di Thailand, kunjungan wisatawan meningkat secara
drastis. Terutama kunjungan wisatawan mancanegara yang masuk melalui bandara
Soekarno Hatta.
Krisis politik Thailand yang terjadi di bulan Maret 2010 merupakan puncak
terjadinya krisis politik Thailand, demonstrasi warga Thailand melumpuhkan kota
Bangkok. Kementerian Kebudayaan dan Pariwisata (Kemenbudpar) mencatat krisis yang
terjadi di Thailand baru-baru ini mendorong turis terutama dari Malaysia mengalihkan
perjalanannya ke Indonesia, sehingga memberikan pengaruh signifikan bagi pergerakan
turis yang masuk ke Indonesia. Selama ini, dalam bidang pariwisata Thailand sudah lebih
maju dibandingkan dengan Indonesia. Tapi setelah terjadinya konflik politik di Thailand
yang berujung kerusuhan dan krisis di Negara Gajah putih tersebut, Jumlah kunjungan
wisatawan menurun. Kondisi ini dipicu oleh tidak adanya keamanan bagi para wisatawan,
tentunya wisatawan tidak akan datang jika keselamatannya tidak terjamin. Tidak hanya
itu, prasarana untuk menuju ke Thailand terbatas, seperti penerbangan, ketika para
demonstran menduduki bandara, sejumlah penerbangan internasional ke Thailand
dibatalkan. Bahkan konsulat Amerika menutup kantornya di Thailand, dan sejumlah
Negara mengeluarkan larangan bagi rakyatnya untuk tidak mendatangi Thailand.
Akibatnya turis asing yang selama ini menjadikan Thailand sebagai tempat tujuan
pariwisata akhirnya mengalihkan rencananya ke negara terdekat, yaitu negara kita
Indonesia, karena Indonesia dinilai memiliki stabilitas politik yang lebih baik dari

1
Thailand dan juga memiliki kondisi pariwisata yang hampir sama dengan negara
Thailand.
Peramalan jumlah kunjungan wisatawan mancanegara yang masuk ke suatu
negara sangat dibutuhkan bagi pelaku bisnis pariwisata. Model intervensi akan digunakan
untuk meramalkan jumlah wisatawan mancanegara yang masuk ke Indonesia melalui
bandara Soekarno Hatta dan bandara Juanda, model ini digunakan karena ada faktor
eksternal atau krisis politik Thailand yang mempengaruhi jumlah kunjungan wisatawan
mancanegara yang masuk ke Indonesia, namun apabila krisis politik Thailand tak
memberikan pengaruh terhadap jumlah kunjungan wisatawan maka dalam analisis
peramalannya akan digunakan model ARIMA Box-Jenkins. Penelitian ini bertujuan
untuk mengetahui karakteristik jumlah kunjungan wisatawan mancanegara yang masuk
melalui bandara internasional Soekarno Hatta dan bandara internasional Juanda serta
model peramalan yang paling sesuai.
Beberapa penelitian yang menggunakan model intervensi diantaranya adalah
penelitian Bhattacharya dan Layton (1979) tentang efektifitas kebijakan untuk
menggunakan sabuk pengaman di Queensland dalam mengurangi jumlah korban
kecelakaan di jalan raya. Montgomery dan Weatherby (1980) meneliti pengaruh embargo
minyak Arab terhadap tingkat konsumsi listrik di US. Utami (2001) menganalisa
pengaruh krisis ekonomi dan travel warning terhadap jumlah kedatangan wisatawan
mancanegara melalui bandara Juanda dan Ngurah Rai. Suhartono dan Putra (2005)
menganalisis dampak tragedi bom Bali terhadap tingkat hunian kamar hotel berbintang
lima di Bali.

II. TINJAUAN PUSTAKA

2.1 Model-Model Time Series
Model-model time series berdasarkan (wei, 2006) dapat dilihat sebagai berikut:
1. Model Autoregresif (AR)
Model autoregressive (AR) orde p menyatakan bahwa suatu model pada
pengamatan waktu ke-t merupakan kombinasi linear dari pengamatan sebelumnya t-1, t-
2,…,t-p. Model autoregressive dengan orde p dapat didefinisikan AR (p) dengan
persamaan
Z t = 1 Zt 1 + ... + p Z1 p  a1 (2.1)
2. Model Moving Average (MA)
Model moving average (MA) orde q menyatakan bahwa suatu model pada
pengamatan waktu ke-t dipengaruhi oleh kesalahan masa lalu. Model dari moving
average orde q dituliskan dalam persamaan
Z t = at  1at 1  ...   q at q (2.2)
3. Model Autoregressive Moving Average (ARMA)
Model dari autoregressive dan moving average pada orde p dan q dituliskan dengan
persamaan
p q
Z t    i Z t  i  i at  i (2.3)
i 1 i 1
4. Model Autoregresif Integrated Moving Average (ARIMA)
Model ini merupakan gabungan antara model auto-regressive dan moving average
dengan adanya pembedaan atau differencing (d) yang disebabkan karena
ketidakstasioneran dalam mean. Sehingga model ARIMA (p,d,q) dengan d adalah orde
differencing dapat dituliskan dengan persamaan
 p ( B)(1  B) d Z t     q ( B)at (2.4)

dimana:  p ( B)  (1  1 B  ...   p B p )

2
  q ( B)  (1  1 B  ...   q B q )

 = konstanta
5. Model ARIMA Musiman
Model ARIMA musiman ini digunakan pada data time series yang memiliki
faktor musiman. Model ARIMA musiman Multiplikatif memiliki persamaan yang biasa
disebut dengan ARIMA (p,d,q) (P,D,Q)s yaitu :
 p ( B s ) p ( B)(1  B) d (1  B s ) D Z t   q ( B)Q ( B s )at (2.5)

Z  , jika d  D  0
dimana : Z t :  t , lainnya
 Zt
p : koefisien komponen AR pada orde p
p : koefisien komponen AR musiman pada orde p
q : koefisien komponen MA pada orde q
Q : koefisien komponen MA musiman pada orde q
at : error white noise

2.3 Identifikasi Model ARIMA

Pemeriksaan diagnostik dilakukan untuk membuktikan bahwa suatu model sudah
memadai.
Uji Signifikansi Parameter
Model ARIMA harus memiliki ketepatan dalam meramalkannya dengan estimasi
parameter yang harus signifikan. Misalkan  adalah estimasi parameter pada ARIMA Box-
Jenkins dan ˆ adalah nilai taksirannya. Uji signifikansi parameter dilakukan sebagai berikut:
(Wei, 2006)
Hipotesis : H0 :  =0
H1 :   0

Statistik Uji :t 
ˆ (2.6)
statdev (ˆ)
Daerah penolakan : tolak H0 jika t hitung  t / 2,df dimana df adalah derajat bebas
Uji White Noise
Untuk mendapatkan model peramalan yang baik, maka residual harus berupa variabel
random yang white noise (residual independen dan identik). Uji yang digunakan untuk asumsi
white noise adalah uji Ljung-Box. Pengujian asumsi white noise adalah sebagai berikut (Wei,
2006), yang dapat dilihat sebagai berikut:
Hipotesis :H0 : 1   2  ...   k  0
H1 :  i  0 , i = 1,2,3,...k
K
ˆ k2
Statistik Uji : Q *  n(n  2) nk
k 1
(2.7)

Daerah penolakan :tolak H0 jika Q *  2 ; df k  pq dimana p dan q adalah orde
ARIMA (p,q)
Uji Asumsi Kenormalan
Uji asumsi kenormalan residual yang digunakan adalah dengan menggunakan uji Kolmogorov-
Smirnov (Daniel,1989) sebagai berikut :

Hipotesis :

3
H0 : F (x) = F0 (x) yang berarti residual berdistribusi normal
H1 : F (x) ≠ F0 (x) yang berarti residual tidak berdistribusi normal
Statistik Uji :
D  Sup S ( x)  F0 ( x) (2.8)
dengan:
S (x) = fungsi peluang kumulatif yang dihitung dari data sampel
F0(x) = fungsi peluang kumulatif distribusi normal atau fungsi distribusi yang dihipotesiskan
F (x) = fungsi distribusi yang belum diketahui
Sup = nilai supremum semua x dari S ( x)  F0 ( x)
Daerah kritis : Tolak H0 apabila D > D1-,n dengan n adalah ukuran sampel dan D(1-α,n) adalah tabel
D untuk uji Kolmogorov-Smirnov.
Uji Lagrange Multiplier (LM)
Uji LM digunakan untuk menguji kondisi hete-rokedastisitas pada data time
series.(Wei, 2006) Pengujian ini didasarkan pada model ARCH (q) untuk mengestimsi
residual,
at2  0  1at21  ...   q at2q  et (2.9)

Hipotesis yang digunakan adalah:

H0 : 1  ...   q  0
H1 : minimal ada satu  i  0 , i = 1,2,3,...q
Statistik uji LM yang digunakan yaitu:
ARCH LM ( q )  TR 2
(2.10)
dengan T banyaknya residual dan R2 adalah koefisien determinasi dari persamaan regresi.
lebih besar dari  (q2 ) dan hal tersebut
Keputusan H0 ditolak apabila ARCH LM (q )

mengindikasikan bahwa ada kasus ARCH pada residual atau kata lain residual tidak
homogen.

III. METODOLOGI PENELITIAN

3.1 Sumber Data
Data yang digunakan dalam penelitian ini adalah data bulanan jumlah kunjungan
wisatawan mancanegara melalui bandara internasional Soekarno Hatta dan bandara
internasional Juanda dari bulan Januari 2005 sampai September 2011 sebanyak 81 data.
Dengan demikian variabel-variabel yang digunakan adalah:
Y1 = Jumlah wisatawan mancanegara yang masuk melalui bandara internasional Soekarno
Hatta Jakarta
Y2 = Jumlah wisatawan mancanegara yang masuk melalui bandara internasional Juanda
Surabaya
3.2 Metode dan Tahapan-Tahapan Penelitian
Berikut ini akan dilakukan kajian terhadap data jumlah wisatawan mancanegara di
Bandara internasional Soekarno Hatta dan bandara Juanda:
 Melakukan analisis deskriptif untuk masing-masing variabel Y1 dan Y2 untuk
mengetahui karakteristik jumlah kunjungan wisatawan mancanegara yang masuk
melalui bandara internasional Soekarno Hatta dan bandara internasional Juanda.
Langkah-langkah metode analisis untuk variabel Y1 dan Y2 adalah sebagai berikut:
 Memplotkan data untuk mengetahui titik-titik ekstrem pengaruh krisis politik
Thailand, untuk menentukan model peramalannya. Data terpengaruh krisis politik
Thailand atau tidak.
A. Langkah analisis model ARIMA Box-jenkins:
a. Identifikasi data yaitu mengidentifikasi data apakah data telah stasioner dalam
mean dan varian.

4
 b. Estimasi dan uji statistik yaitu melakukan estimasi parameter untuk model yang
diusulkan dan memilih model terbaik berdasarkan kriteria terntu.
c. Pemeriksaan diagnostik yaitu menguji apakah residualnya telah white-noise dan
berdistribusi normal.
d. Meramalkan jumlah kunjungan wisatawan yang masuk melalui bandara
internasional Soekarno Hatta dan Juanda untuk 4 bulan mendatang yaitu bulan
Oktober ’11, November ’11, Desember ’11, dan Januari ’12
B. Langkah analisis model intervensi:
1. Pembangian data menjadi 2 bagian yaitu:
 Data 1, yaitu data sebelum intervensi dari bulan Januari 2005-Februari
2010
 Data 2, yaitu data intervensi sampai dengan data terakhir dari Maret 2010
hingga September 2011
2. Mencari model yang sesuai untuk intervensi
a. Pembentukan model ARIMA untuk data time series sebelum terjadi
intervensi.
b. Perhitungan nilai-nilai respon, yaitu nilai residual data berdasarkan ramalan
model ARIMA di Tahap sebelumnya.
c. Identifikasi orde b, s, r dari model sebelum intervensi berdasarkan bentuk plot
nilai respon dengan batas atas dan bawah  2̂ , dimana b adalah menunjukkan
delay waktu dimana efek intervensi mulai terjadi, s adalah menunjukkan
kapan gerak bobot respon mulai menurun dan r adalah menunjukkan pola dari
residual jika signifikan dapat digunakan model intervensi.
d. Estimasi parameter dan uji signifikansi parameter model intervensi.
e. Cek diagnosa kesesuaian model melalui pengecekan asumsi residual, yaitu uji
white noise dan distribusi Normal.
3. Meramalkan jumlah kunjungan wisatawan yang masuk melalui bandara
internasional Soekarno Hatta dan Juanda untuk 4 bulan mendatang yaitu bulan
Oktober ’11, November ’11, Desember ’11, dan Januari ’12.

IV. ANALISIS DAN PEMBAHASAN

Analisis Deskriptif
Tabel 4.1 Analisis Deskriptif dari Jumlah Kunjungan Wisman (org)
Standar
Variabel Minimum Maksimum Mean
Deviasi
Y1 68.470 200.180 117.385 29.533

Y2 47.62 18.171 11.406 3.536

Tabel 4.1 menunjukkan bahwa jumlah kunjungan wisatawan mancanegara yang

masuk ke Indonesia melalui bandara internasional Soekarno Hatta memiliki rata-rata
pengunjung setiap bulan sebanyak 117.385 pengunjung. Pengunjung paling sedikit
sebanyak 68.470 pengunjung. Pengunjung paling banyak adalah 200.180 pengunjung.
Untuk jumlah kunjungan wisatawan mancanegara yang masuk melalui bandara juanda
memiliki rata-rata pengunjung setiap bulan sebanyak 11.406 pengunjung. Pengunjung
paling sedikit sebanyak 4.762 pengunjung. Pengunjung paling banyak adalah sebesar
18.171. Jumlah pengunjung yang masuk melalui bandara Soekarno Hatta lebih banyak
dibandingkan pengunjung yang masuk melalui juanda.

5
 Tabel 4.2 Jumlah Wisatawan Berdasarkan Kebangsaan (org)
Soekarno hatta Juanda
Negara jumlah Negara jumlah
Malaysia 1.375.425 Malaysia 138.840
Singapore 862.499 China 106.387
USA 671.305 Singapore 54.559
Taiwan 627.359 Taiwan 35.526
Japan 576.787 USA 16.146

Berdasarkan Tabel 4.2 dapat diketahui bahwa wisatawan yang berasal dari
Malaysia menduduki posisi teratas yang terbanyak masuk Indonesia melalui bandara
Soekarno Hatta dan Juanda dengan jumlah 1.375.425 pengunjung dan 138.840
pengunjung. Secara berutan dari posisi ke dua wisatawan mancanegara yang masuk
indonesia melalui bandara Soekarno Hatta adalah Singapura, USA, Taiwan, dan Japan.
Untuk wisatawan mancanegara yang masuk melalui Juanda berurutan dari posisi ke dua
adalah China, singapore, Taiwan, dan USA.

Analisis Time Series Bandara Soekarno Hatta

Model intervensi dengan orde b=0, s=2, r=0 memiliki plot croscorrelation yang
tidak signifikan sehingga digunakan ARIMA Box-Jenkins untuk memodelkan jumlah
kunjungan wisatawan mancanegara yang masuk melalui bandara Soekarno Hatta. Dengan
model yang paling sesuai adalah ARIMA (1,1,0)(0,1,1)12

Pengujian Signifikansi Parameter

Uji signifikansi parameter untuk model ARIMA (1,1,0)(0,1,1)12 ditunjukkan pada
Tabel 4.3 berikut ini.
Tabel 4.3 Uji Signifikansi Parameter ARIMA (1,1,0)(0,1,1)12
Parameter Estimasi thit p-value Kesimpulan
1 -0.51347 5.80 <0.0001 Signifikan
12 0.66763 -4.57 <0.0001 Signifikan
Hipotesis : H0 :  = 0 (parameter tidak signifikan)
H1 :   0 (parameter signifikan)
Hasil pengujian signifikansi parameter pada Tabel 4.3 menginformasikan bahwa
paremeter model ARIMA (1,1,0)(0,1,1)12 signifikan pada tingkat kesalahan 5%, sehingga
dilanjutkan pada pengujian berikutnya.

Pengujian Asumsi Residual White Noise

Pengujian asumsi residual white noise dengan tingkat signifikansi kesalahan 5%
ditampilkan pada Tabel 4.4 semua nilai p-value untuk pengujian Ljung-Box lebih besar
dari nilai α (5%) sehingga residual dari model ARIMA (1,1,0)(0,1,1)12 memenuhi asumsi
white noise.

6
 Tabel 4.4 Nilai Uji Ljung-Box Residual Model ARIMA (1,1,0)(0,1,1)12

Lag X 2 hit p-value Kesimpulan

6 7.99 0.920 White Noise

12 9.58 0.4778 White Noise

18 20.58 0.1952 White Noise

24 30.76 0.1010 White Noise

30 36.31 0.1350 White Noise

Hipotesis :H0 : 1   2  ...   k  0 (residual white noise)

H1 :  i  0 , i = 1,2,3,...k (residual tidak white noise)
Sedangkan hasil pengujian Lagrange Multiplier untuk model ARIMA (1,1,0)
(0,1,1)12 ditunjukkan pada Tabel 4.5, berikut adalah pengujian Lagrange Multiplier :
Tabel 4.5 Nilai LM Model ARIMA (1,1,0)(0,1,1)12
Order 1 2 3 4 5 6 7 8 9 10 11 12
LM 0.3024 0.7012 0.7843 0.8301 0.9787 10.516 10.559 11.143 20.837 40.726 41.092 41.984
p-
0.5824 0.7043 0.8532 0.9344 0.9643 0.9836 0.9939 0.9974 0.9901 0.9440 0.9666 0.9796
value

Hipotesis:
H0 : 1  ...   q  0
H1 : minimal ada satu  i  0 , i = 1,2,3,...q
Berdasarkan Tabel 4.5 dapat dilihat bahwa semua nilai p-value untuk pengujian
Lagrange Multiplier lebih besar dari nilai α (5%) sehingga residual memenuhi asumsi
kehomogenan.

Pengujian Kenormalan Residual

Pengujian pada asumsi kenormalan residual dengan tingkat signifikansi kesalahan
5% dapat dilihat pada Tabel 4.6 berikut:
Tabel 4.6 Nilai Kolmogorov-Smirnov Model ARIMA (1,1,0)(0,1,1)12
Test Statistic p-value
Kolmogorov-
0.058801 >0.1500
Smirnov
Hipotesis :
H0 : F(x)=F0(x) yang berarti residual berdistribusi normal
H1 :F(x)≠F0(x) yang berarti residual tidak berdistribusi normal
Tabel 4.6 menunjukkan bahwa D untuk uji Kolmogorov-Smirnov adalah (0.058801) dan
nilai p-value > 0.1500. Nilai ini lebih besar dari  (0.05) sehingga dapat disimpulkan
bahwa residual dari model ARIMA (1,1,0)(0,1,1)12 sudah berdistribusi normal.
Karena parameter dari model ARIMA (1,1,0)(0,1,1)12 sudah signifikan dan
residual dari model sudah memenuhi asumsi white noise maka model ini dapat
digunakan. Model yang sesuai untuk data jumlah kunjungan wisatawan mancanegara
yang masuk melalui bandara internasional Soekarno Hatta dapat dituliskan dalam
persamaan sebagai berikut :
(1  0.66763B 12 )
Yt  at
(1  0.51347 B)(1  B)(1  B 12 )

Yt  0.51347Yt 1  Yt 1  0.5134Yt 2  Yt 12  0.51347Yt 13  Yt 13  Yt 14  at  0.66763at 12

7
Peramalan Jumlah Kedatangan Wisatan Mancanegara yang Masuk Melalui
Bandara Internasional Soekarno Hatta
Hasil peramalan jumlah wisatawan mancanegara yang masuk melalui bandara
internasional Soekarno Hatta 4 periode mendatang dengan menggunakan model ARIMA
(1,1,0)(0,1,1)12 adalah sebagai berikut:
Tabel 4.7 Peramalan Jumlah Wisman Melalui Soekarno Hatta (org)
Batas Batas
No Bulan Wisman Aktual
Atas bawah
1 Oct-11 157.843 193.611 122.076 175.068
2 Nov-11 177.606 217.383 137.830 *
3 Dec-11 173.974 221.954 125.994 *
4 Jan-12 163.379 216.158 110.599 *

Analisis Time Series Bandara Juanda

20000

17500

15000
Juanda 2004

12500

10000

7500

5000

1 8 16 24 32 40 48 56 64 72 80
Index

Gambar 4.1 Plot Jumlah Kunjungan Wisatawan Bandara Juanda

Krisis politik yang melanda Thailand terjadi di bulan Maret 2010 menjadi
intervensi yang mempengaruhi jumlah kunjungan wisatawan mancanegara yang masuk
ke Indonesia. Dari plot time series pada Gambar 4.1 dapat dilihat bahwa krisis politik
Thailand tidak memberikan pengaruh yang signifikan terhadap jumlah kunjungan
wisatawan mancanegara yang masuk melalui bandara Juanda. Analisis intervensi tidak
dapat digunakan dalam memodelkan, sehingga untuk memodelkan jumlah kunjungan
wisatawan mancanegara yang masuk melalui Juanda digunakan model ARIMA Box-
Jenkins.Model yang sesuai untuk jumlah kunjungan wisatawan mancanegara yang masuk
melalui bandara Soekarno Hatta adalah ARIMA Box-Jenkins (1,1,[2])(0,1,1)12, dengan
identifikasi model sebagai berikut:

Pengujian Signifikansi Parameter

Uji signifikansi parameter untuk model ARIMA (1,1,[2])(0,1,1)12 ditunjukkan pada
Tabel 4.7 berikut ini.

Tabel 4.8 Uji Signifikansi Parameter ARIMA (1,1,[2])(0,1,1)12

Parameter Estimasi thit p-value Kesimpulan
2 0.37860 2.98 0.0040 Signifikan
12 0.82464 8.50 <0.0001 Signifikan
1 -0.43790 -3.57 0.0007 Signifikan

8
Hipotesis : H0 :  = 0 (parameter tidak signifikan)
H1 :   0 (parameter signifikan)
Hasil pengujian signifikansi parameter pada Tabel 4.8 menginformasikan bahwa
paremeter model ARIMA (1,1,[2])(0,1,1)12 signifikan pada tingkat kesalahan 5%,
sehingga dilanjutkan pada pengujian berikutnya.

Pengujian Asumsi Residual White Noise

Pengujian asumsi residual white noise dengan tingkat signifikansi kesalahan 5%
ditampilkan pada Tabel 4.9 semua nilai p-value untuk pengujian Ljung-Box lebih besar
dari nilai α (5%) sehingga residual dari model ARIMA (1,1,[2])(0,1,1)12 memenuhi
asumsi white noise.
Tabel 4.9 Nilai Uji Ljung-Box Residual Model ARIMA (1,1,[2])(0,1,1)12

Lag X 2 hit p-value Kesimpulan

6 4.89 0.1800 White Noise

12 8.99 0.4382 White Noise

18 15.23 0.4349 White Noise

24 21.15 0.4500 White Noise

30 26.33 0.5005 White Noise

Hipotesis :H0 : 1   2  ...   k  0 (residual white noise)

H1 :  i  0 , i = 1,2,3,...k (residual tidak white noise)
Sedangkan hasil pengujian Lagrange Multiplier untuk model ARIMA
(1,1,[2])(0,1,1)12 ditunjukkan pada Tabel 4.10, berikut adalah pengujian Lagrange
Multiplier :
Tabel 4.10 Nilai LM Model ARIMA (1,1,[2])(0,1,1)12
Order 1 2 3 4 5 6 7 8 9 10 11 12
LM 0.0794 0.6081 0.9274 0.9284 25.434 40.484 40.590 40.627 40.734 54.360 117.170 117.442
p-
0.7781 0.7383 0.8188 0.9204 0.7699 0.6701 0.7730 0.8514 0.9065 0.8602 0.3853 0.4664
value

Hipotesis:
H0 : 1  ...   q  0
H1 : minimal ada satu  i  0 , i = 1,2,3,...q
Berdasarkan Tabel 4.10 dapat dilihat bahwa semua nilai p-value untuk pengujian
Lagrange Multiplier lebih besar dari nilai α (5%) sehingga residual memenuhi asumsi
kehomogenan.

Pengujian Kenormalan Residual

Pengujian pada asumsi kenormalan residual dengan tingkat signifikansi kesalahan
5% dapat dilihat pada Tabel 4.11 berikut:
Tabel 4.11 Nilai Kolmogorov-Smirnov Model ARIMA (1,1,[2])(0,1,1)12
Test Statistic p-value
Kolmogorov-
0.106199 0.0562
Smirnov
Hipotesis :
H0 : F(x)=F0(x) yang berarti residual berdistribusi normal
H1 :F(x)≠F0(x) yang berarti residual tidak berdistribusi normal

9
 Tabel 4.11 menunjukkan bahwa D untuk uji Kolmogorov-Smirnov adalah
(0.106199) dan nilai p-value > 0.0562. Nilai ini lebih besar dari  (0.05) sehingga dapat
disimpulkan bahwa residual dari model ARIMA (1,1,[2])(0,1,1)12sudah berdistribusi
normal. Karena parameter dari model ARIMA (1,1,[2])(0,1,1)12 sudah signifikan dan
residual dari model sudah memenuhi asumsi white noise maka model ini dapat
digunakan. Model yang sesuai untuk data jumlah kunjungan wisatawan mancanegara
yang masuk melalui bandara internasional Juanda dapat dituliskan dalam persamaan
sebagai berikut :
(1  0.37860 B 2 )(1  0.82464 B 12 )
Yt  at
(1  0.43790 B)(1  B)(1  B 12 )

atau
Yt  0.43790Yt 1  Yt 1  0.43790Yt 2  Yt 12  0.43790Yt 13  Yt 13 

0.43790Yt 14  at  0.37860at 2  0.82464at 12  0.31221at 13

Peramalan Jumlah Kedatangan Wisatan Mancanegara yang Masuk Melalui

Bandara Internasional Juanda
Hasil peramalan jumlah wisatawan mancanegara yang masuk melalui bandara
internasional Juanda 4 periode mendatang dengan menggunaan metode ARIMA Box-
Jenkins adalah sebagai berikut:
Tabel 4.21 Peramalan Jumlah Wisman Melalui Juanda (org)
Batas Batas
No Bulan Wisman Aktual
Bawah Atas
1 Oct-11 13.667 10.314 17.020 15.406
2 Nov-11 16.109 12.263 19.955 *
3 Dec-11 15.521 11.474 19.567 *
4 Jan-12 14.199 9.872 18.527 *

V. KESIMPULAN
5.1 Kesimpulan
Kesimpulan yang didapatkan dari penelitian ini adalah sebagai berikut:
1. Jumlah kunjungan wisatawan yang masuk ke Indonesia melalui bandara
internasional Soekarno Hatta memiliki rata-rata kedatangan setiap bulannya
sebesar 117.385, wisatawan yang masuk melalui bandara juanda memiliki rata-
rata pengunjung setiap bulan sebanyak 11.406 pengunjung dan wisatawan yang
berasal dari Malaysia menduduki posisi teratas yang terbanyak masuk ke
Indonesia melalui bandara Soekarno Hatta dan Juanda dengan jumlah 1.375.425
pengunjung dan 138.840 pengunjung.
2. Model time series yang sesuai adalah:
a. Model yang sesuai untuk data jumlah kunjungan wisatawan mancanegara
yang masuk melalui bandara internasional Soekarno Hatta adalah ARIMA
(1,1,0)(0,1,1)12 dapat dituliskan dalam persamaan sebagai berikut :
Yt  0.51347Yt 1  Yt 1  0.5134Yt 2  Yt 12  0.51347Yt 13
Yt 13  Yt 14  at  0.66763at 12

b. Model ARIMA Box-Jenkins adalah model yang paling sesuai untuk jumlah
kunjungan wisatawan mancanegara yang masuk melalui bandara
internasional dengan persamaan model sebagai berikut:

10
 Yt  0.43790Yt 1  Yt 1  0.43790Yt 2  Yt 12  0.43790Yt 13  Yt 13 
0.43790Yt 14  at  0.37860at 2  0.82464at 12  0.31221at 13

5.2 Saran
Saran yang dapat diberikan dari penelitian ini adalah dari hasil model yang
didapatkan tidak dapat digunakan untuk meramalkan dalam waktu periode yang
panjang atau tidak dapat untuk meramalkan lebih dari 1 tahun berikutnya, sehingga
perlu penambahan data terbaru dan pemodelan ulang.

DAFTAR PUSTAKA
Bhattacharya,M.N.,Layton,A.P.(1979). Effectiveness of Sealt Belt legislation of
Quensland Road Toll An Australian Case study in Intervention Analisis, Journal
Of Statisticz Association.
BPS.(2011). Jumlah Kedatangan Wisatawan Mancanegara ke Indonesia Menurut Pintu
Masuk. http://www.bps.go.id/. Diakses Minggu, 2 Oktober 2011 pukul 5.32.
Daniel, W.W. (1989). Statistika Non Parametrik Terapan. PT Gramedia. Jakarta.
Gujarati, D.(2003). Basic Ecometric, Mc Graw-Hill, New York.
Hamilton, J.(1994). Time Series Analysis, Princeton University Press, New Jersey.
Montgomery,D.C.dan Weatherby.(1980). Modelling and Fore-casting Time Series Using
Transfer Function and Intervension Methods. AIEE Transactions.
Suhartono dan Putra,I.N.A.W.(2005). Dampak Tragedi Bom Bali Terhadap Tngkat
Hunian Kamar hotel Berbintang Lima di Bali. Prosiding Nasional MM XII.
Utami E.B.(2001). Analisis Intervensi Krisis Ekonomi dan Travel Warning Terhadap
Jumlah Wisman Melalui Bandara Juanda dan Ngurah Rai. Skripsi. ITS,
Surabaya.
Wei, W.W.S (2006). Time Series Analysis, Addison Wesley, CA, Redwood City.

11