Tary Sundary, - (2019) PERAMALAN JUMLAH WISATAWAN DENGAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-SEEMINGLY UNRELATED REGRESSION (GSTAR-SUR). S1 thesis, Universitas Pendidikan Indonesia.
![[img]](http://repository.upi.edu/style/images/fileicons/text.png) |
Text
S_S_MAT_1501605_Title.pdf Download (319kB) |
|
Text
S_S_MAT_1501605_Chapter1.pdf Download (403kB) |
|
Text
S_S_MAT_1501605_Chapter2.pdf Restricted to Staf Perpustakaan Download (485kB) |
|
Text
S_S_MAT_1501605_Chapter3.pdf Download (415kB) |
|
Text
S_S_MAT_1501605_Chapter4.pdf Restricted to Staf Perpustakaan Download (759kB) |
|
Text
S_S_MAT_1501605_Chapter5.pdf Download (324kB) |
|
Text
S_S_MAT_1501605_Appendix.pdf Restricted to Staf Perpustakaan Download (658kB) |
Abstract
PERAMALAN JUMLAH WISATAWAN DENGAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE – SEEMINGLY UNRELATED REGRESSION (GSTAR-SUR) ABSTRAK Pariwisata memiliki peranan penting dalam pembangunan perekonomian di berbagai negara, salah satunya di Indonesia. Sebagai salah satu faktor penting dalam pembangunan perekonomian di Indonesia, diperlukan peramalan jumlah wisatawan untuk masa yang akan datang agar dapat diketahui berapa jumlah wisatawan yang akan datang ke tempat wisata tersebut guna membantu pemerintah setempat dalam meningkatkan pembangunan kepariwisataan. Sehingga dengan meningkatnya pembangunan kepariwisataan, diharapkan akan lebih meningkatkan pembangunan perekonomian. Model yang sesuai untuk melakukan peramalan jumlah kunjungan wisatawan adalah model Generalized Space Time Autoregressive-Seemingly Unrelated Regression (GSTAR-SUR). Model GSTAR merupakan salah satu model space time yang digunakan untuk memodelkan data runtun waktu yang memiliki keterkaitan antar lokasi. Metode yang sesuai untuk mengestimasi parameter dengan residual yang saling berkorelasi adalah Generalized Least Square (GLS) yang biasa digunakan dalam model SUR. Data banyaknya kunjungan wisatawan di Daerah Istimewa Yogyakarta merupakan salah satu data runtun waktu yang memiliki keterkaitan antar lokasi juga memiliki residual yang saling berkorelasi sehingga dapat dimodelkan dengan model GSTAR-SUR. Pada penelitian ini dilakukan tahapan untuk mengetahui model terbaik dan hasil peramalan banyaknya kunjungan wisatawan dengan model GSTAR-SUR. Model yang dipilih adalah model GSTAR (1,1) dengan melihat lag terkecil setelah dilakukan perhitungan AIC. Kemudian dilakukan peramalan selama 24 bulan mendatang. Setelah itu, dilakukan validasi model dengan menghitung MAPE tiap lokasi wisata yaitu Candi Borobudur, Gembira Loka Zoo, Taman Sari, dan Kaliurang. Didapatkan nilai MAPE untuk keempat lokasi wisata tersebut adalah 0,000%; 0,005%; 0,009%; 0,006%. Karena nilai MAPE kurang dari 10% maka dapat dikatakan hasil peramalan sangat baik. Kata Kunci: Wisatawan, space time, Generalized Space Time Autoregressive-Seemingly Unrelated Regression (GSTAR-SUR), Generalized Least Square (GLS). FORECASTING THE NUMBER OF TOURISTS WITH A GENERALIZED SPACE TIME AUTOREGRESSIVE- SEEMINGLY UNRELATED REGRESSION (GSTAR-SUR) MODEL ABSTRACT Tourism has an important role in economic development of most of countries, one of which is in Indonesia. As one of the important factors in economic development in Indonesia, forecasting the number of tourists in the future is needed so that it can be seen how many tourists will come to the tourist sites to help local goverment in improving their economic development. Therefore, by improving our tourism development, it is expected to further enhance economic development. The appropriate model for forecasting the number of tourists is the Generalized Space Time Autoregressive-Seemingly Unrelated Regression (GSTAR-SUR) model. GSTAR model is one of the space time models used to model time series data that have interrelationship among tourist sites. The appropriate method for estimating parameters with correlated residuals is the Generalized Least Square (GLS), commonly used in the SUR model. Data on the number of tourist arrivals in the Special Region of Yogyakarta is one of the time series data that have interrelationship among their tourist sites also have correlated residuals so that can be modeled with the GSTAR-SUR model. In this research stages are carried out to determine the best model and to forecast result for the number of tourist visits with the GSTAR-SUR model. The model chosen is the GSTAR (1,1) model by looking at the smallest lag after the AIC calculation then forecasting for the next 24 months. In addition, the model validation is done by calculating the MAPE of each tourist location such as Borobudur Temple, Gembira Loka Zoo, Taman Sari, and Kaliurang. The obtained MAPE values for the four tours are 0,000%; 0,005%; 0,009%; 0,006%, respectively. Since the MAPE value is less than 10%, it can be concluded that the forecasting result are very good. Keywords: Tourist, space time, Generalized Space Time Autoregressive-Seemingly Unrelated Regression (GSTAR-SUR), Generalized Least Square (GLS).
| Item Type: | Thesis (S1) |
|---|---|
| Uncontrolled Keywords: | Wisatawan, space time, Generalized Space Time Autoregressive-Seemingly Unrelated Regression (GSTAR-SUR), Generalized Least Square (GLS). |
| Subjects: | L Education > L Education (General) Q Science > QA Mathematics |
| Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan) |
| Depositing User: | Tary Sundary |
| Date Deposited: | 09 Mar 2020 09:18 |
| Last Modified: | 09 Mar 2020 09:18 |
| URI: | http://repository.upi.edu/id/eprint/38889 |
Actions (login required)
 |
View Item |