Pendahuluan. Latar belakang, Tujuan, Rumusan & Batasan Masalah. 2/5/2011 Tugas Akhir - Dimitrij Nikita Anggono 2

Pendahuluan Latar belakang, Tujuan, Rumusan & Batasan Masalah. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 2.

.: Latar Belakang (1) :. 0 Hotel telah tumbuh menjadi industri yang kompleks. di seluruh dunia, tetapi tetap dengan satu layanan utama: kamar untuk menginap. 0 Peran dan permasalahan yang terkait dengan pendapatan dari kamar hotel. 0 Fleksibilitas tarif & pengaruh potongan harga. 0 Metode penentuan harga/tarif kamar. 0 Manajemen hotel menghabiskan banyak waktu untuk memutuskan harga (Kim et al., 2004). 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 3.

.: Latar Belakang (2) :. 0 Revenue Management System 0 Peramalan permintaan kamar adalah bagian yang. amat penting dari sistem pengelolaan pendapatan hotel modern (Rajopadhye et al., 2001). 0 Berbagai metode telah digunakan untuk meramalkan permintaan kamar hotel. 0 Tidak ada bukti jelas bahwa satu model dapat dengan konsisten mengalahkan performa peramalan model lain (Song dan Li, 2008). 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 4.

.: Latar Belakang (3) :. 0 Peramalan berdasarkan data historis reservasi dari. waktu ke waktu yang ada selama ini serta beberapa faktor lain yang mempengaruhi tinggi rendahnya permintaan. 0 Model Vector Autoregression telah terbukti sangat berguna untuk mendeskripsikan perilaku yang berubah-ubah dari data runtut waktu untuk kasus ekonomi dan finansial serta peramalannya.. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 5.

.: Tujuan Tugas Akhir :. Meramalkan permintaan kamar hotel menggunakan analisis data runtut waktu multi-variabel dengan dengan model vector autoregression (VAR). 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 6.

.: Rumusan Masalah :. 0 Permasalahan yang diangkat dalam tugas akhir ini. adalah :. Bagaimana pembuatan model VAR yang sesuai untuk meramalkan meramalkan permintaan kamar hotel?. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 7.

.: Batasan Masalah :. 0 Tugas akhir ini diimplementasikan menggunakan aplikasi. MATLAB 7.8.0.347 (R2009A) ), Arena 13.5, dan Microsoft Excel 2007 yang berjalan pada sistem operasi Windows Vista. 0 Model dikembangkan dan diuji dengan data studi kasus hotel XYZ. 0 Peramalan dilakukan untuk mencari nilai permintaan satu jenis kamar yang dimiliki hotel. 0 Hubungan dengan tugas akhir milik M. Rizal Avif Khan yang berjudul “Optimasi Dynamic Pricing dengan Pendekatan Deterministik pada Tarif Kamar Hotel berdasarkan Peramalan Jumlah Permintaan”.. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 8.

Metode Peramalan 8 Langkah untuk Melakukan Peramalan. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 9.

Perumusan Model Awal. 0 Di mana X : permintaan Y : pengunjung/total permintaan Z : kurs. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 10.

Perumusan Model Awal. 0 di mana. merupakan bentuk operator lag yang didefinisikan oleh panjang lag yang digunakan baris atau orde persamaan orde variabel (1 untuk Y, 2 untuk X, dst) 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 11.

Penentuan Panjang Lag Optimal 0 Melakukan uji statisik pada model dengan lag yang. panjang (unrestricted, tidak terestriksi) melawan lag pendek (restricted, terestriksi), tepatnya dengan menguji likelihood ratio. 0 Di mana T adalah banyaknya observasi, c adalah. faktor koreksi derajat kebebasan yang diusulkan oleh Sims (1980), dan , adalah determinan dari matriks kovarians error dari model yang terestriksi dan tidak terestriksi. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 12.

Uji Stasioneritas Data Uji Augmented Dickey-Fuller • dilakukan pada sebuah vektor yang berisi sekumpulan data runtut waktu untuk memeriksa apakah ia stasioner atau tidak.. Error Corection Model (bila data tidak stasioner) • menambahkan variabel kointegrasi. Johansen (1988) • memperkenalkan sebuah prosedur umum uji statistik pencarian kointegrasi yang dapat digunakan pada model dengan jumlah variabel tertentu. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 13.

Granger’s Causality Test 0 Digunakan untuk menguji apakah sebuah variabel. dalam data runtut waktu dapat digunakan untuk meramalkan variabel yang lain.. H0. 2/5/2011. Regresi dari full model. Regresi dari restricted model. F-test. Tugas Akhir - Dimitrij Nikita Anggono. Penarikan kesimpulan. 14.

Granger’s Causality Test x. y. x. 0.00. 0.01. y. NaN. 0.00. 0 Nilai pada setiap sel mengindikasikan dampak kausal antar. variabel, dalam susunan kolom terhadap baris 0 0.01 adalah nilai dampak yang diberikan oleh y pada x 0 Nilai yang berada di luar selang kepercayaan akan diganti dengan simbol tertentu (misalnya NaN). Apabila selang kepercayaan adalah sebesar 90%, maka nilai probabilitas di atas 0.1 akan dihilangkan 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 15.

Estimasi Nilai Koefisien (β) dalam Model 0 Residu atau error adalah sebesar selisih dari nilai. sesungguhnya dengan nilai estimasi 0 OLS (Ordinary Least Squares).  meminimalkan jumlahan dari semua nilai error yang. dikuadratkan atau residual sum of squares (RSS). 0 Estimasi untuk model VAR dapat dilakukan dengan. metode Ordinary Least Squares (OLS) pada tiap-tiap persamaan secara terpisah. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 16.

Fungsi Respons Impuls 0 Memeriksa interaksi antar variabel dalam model VAR 0 “Ketika nilai variabel Y berubah menuju suatu titik. pada periode t, berapakah nilai perubahan yang akan dialami variabel X dan Z?” 0 Misalkan kita punya sebuah model VAR untuk perhitungan dua variabel dan sebagai berikut.. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 17.

Fungsi Respons Impuls 0 Untuk memperoleh fungsi respon impuls, kita akan. memberikan lag sebanyak satu periode. 0 dan mensubstitusikannya kembali ke dalam. persamaan awal hingga diperoleh. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 18.

Fungsi Respons Impuls. 0 Respons impuls terhadap X Periode. Response Impuls Y. 0. 0. 1 2 3. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 19.

Fungsi Respons Impuls 0 Hasil dari uji ini akan ditampilkan dalam bentuk grafis. yang menunjukkan efek perubahan pada setiap variabel yang ada pada model.. 0 Absis (jarak titik terhadap sumbu tegak) menyatakan. periode sementara ordinat menyatakan besarnya inovasi atau perubahan berupa respon impuls yang dialami. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 20.

Eksekusi Peramalan 0 Langkah-langkah uji yang dilakukan sebelumnya. ditujukan untuk melakukan analisis terhadap model VAR hingga akhirnya model tersebut dapat disempurnakan. 0 Dalam fase ini, model yang telah melalui berbagai uji tersebut kini akan digunakan untuk meramalkan nilai permintaan.. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 21.

Evaluasi Hasil Peramalan 0 Mean Absolute Percentage Error (MAPE). 0 di mana. 0 0 0. : jumlah sampel : data asli : data hasil persamaan. 0 Menurut Sobri Harun, bila nilai MAPE masih berkisar. di antara 10-20%, maka model tersebut masih dikatakan memiliki kinerja yang bagus (Zainun et al., 2003). 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 22.

Bagan Metode (1 dari 2) Start. 1. Data Hotel. Uji Hipotesis dengan Granger’s Causality Test (dan F-test) untuk menemukan keterkaitan antar variabel. Bentuk persamaan awal VAR Estimasi koefisien-koefisien variabel dalam model VAR dengan Ordinary Least Squares Tentukan panjang lag optimal dengan Uji Likelihood Ratio. Uji Stasioneritas Data dengan Augmented Dickey-Fuller. Susun model koreksi untuk menanggulangi data yang tidak stasioner. F. Data stasioner?. Periksa hubungan antar variabel dalam model dengan Impulse Response Function. 2. T. 1. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 23.

Bagan Metode (2 dari 2) 2. n = periode peramalan yang diinginkan. Eksekusi peramalan untuk n periode ke depan. Ukur tingkar kesalahan (evaluasi hasil) peramalan dengan MAPE. End. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 24.

Fungsi dalam MatLab m_adf m_vare m_ecm m_pgranger m_lrratio m_irf m_varf m_ecmf. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 25.

Fungsi dalam MatLab (cont’d) beta_inv beta_pdf c_sja c_sjt cal chis_prb cols fdis_prb growthr ical johansen lag mlag mprint ols olse 2/5/2011. pftest plt plt_var prt prt_coint prt_var ptrend rows tdiff tdis_inv tdis_prb trimr tsdate var_resid ztcrit. Tugas Akhir - Dimitrij Nikita Anggono. 26.

Implementasi & Uji Coba. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 27.

2/5/2011. • Permintaan • Pengunjung • Kurs. XYZ. ABC. Studi Kasus. • Permintaan (3 Jenis) • Total Permintaan • Kurs. Tugas Akhir - Dimitrij Nikita Anggono. 28.

Data Generation 0 Fitting untuk mengetahui distribusi data. 0 Menggunakan distribusi untuk membangkitkan (men-. generate) data 0 Dilakukan dengan bantuan aplikasi Arena (input analyzer).. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 29.

Data Generation (cont’d). 2/5/2011. Studi Kasus. Data. Hasil. ABC. Permintaan. Triangular. ABC. Pengunjung. Normal. ABC. Kurs. Erlang. XYZ. Permintaan (Tarif Penuh). Beta. XYZ. Permintaan (Tarif Diskon) Beta. XYZ. Permintaan (Akumulasi). Beta. XYZ. Total Permintaan. Triangular. XYZ. Kurs. Triangular. Tugas Akhir - Dimitrij Nikita Anggono. 30.

Panjang Lag. Hasil Uji Coba Studi Kasus I Panjang Lag Optimal. 2/5/2011. 12 11 10 9 8 7 6 5 4. 11 10 9 8 7 6 5 4 3. Tugas Akhir - Dimitrij Nikita Anggono. Nilai Probabilitas 0.0376 0.658 0.7971 0.4717 0.0169 0.01539 0.5331 0.01633 0.04257. 31.

Variabel. Hasil Uji Coba Studi Kasus I Stasioneritas Data. 2/5/2011. Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs. Panjang Lag 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8. Tugas Akhir - Dimitrij Nikita Anggono. Nilai tstatistic -2.913756 -1.875909 -1.907553 -2.153507 -2.215497 -1.634802 -1.527938 -1.512606 -3.680997 -1.808903 -1.358442 -1.323453 -1.054888 -0.949962 -0.828553 -1.228441 -6.646869 -3.923446 -3.376272 -2.686797 -2.567156 -2.787353 -2.237783 -1.645338. Nilai Kritis 10%. -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615. 32.

Hasil Uji Coba Studi Kasus I Kausalitas. 2/5/2011. Permintaan. Pengujung 0.02. Kurs NaN. Variabel Pengunjung Kurs. Nilai F 2.755077 0.350461. Probabilitas 0.023944 0.936946. Tugas Akhir - Dimitrij Nikita Anggono. 33.

Variabel. Hasil Uji Coba Studi Kasus I Estimasi Koefisien. 2/5/2011. Panjang Lag. Koefisien. 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8. -0.23144 -0.03714 0.144527 -0.12842 -0.10475 -0.93985 -0.29935 -1.07961 0.122603 -1.95497 -1.33397 -1.11979 -0.97182 1.743574 0.236208 3.638719 -1885252 -30000000 -25000000 -69000000 -71000000 -69000000 -26000000 -37000000 26161.1. Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Pengujung Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs Konstanta. Tugas Akhir - Dimitrij Nikita Anggono. 34.

5. 10. Respon Impuls. Orthog. IRF: 1  changes Demand Visitors Currency. 5. Demand. Hasil Uji Coba Studi Kasus I. x 10. 0. -5. 2/5/2011. 0. 10 20 30 40 50 Response of all variables to shock in equation 1. Tugas Akhir - Dimitrij Nikita Anggono. 35.

Hasil Uji Coba Studi Kasus I Hasil Peramalan. 2/5/2011. Periode Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08. Data Aktual 1401141 1522982 1701917 1638424 1466405 1301498 -. Tugas Akhir - Dimitrij Nikita Anggono. Peramalan 1452229 1483236 1319098 1550390 1289812 1271937 1658588 1593482 1328587 1656167 1467545 1547658. 36.

Hasil Uji Coba Studi Kasus I. Periode Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08. Error -51088.5 39745.93 382819.4 88034.02 176592.6 29560.58. MAPE 3.646205 3.127975 9.583125 8.530616 9.233003 8.072715. Evaluasi Hasil Peramalan. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 37.

Hasil Uji Coba Studi Kasus I. Periode Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08. Error -23049.6 138554.3 408508.3 197962.4 215367.9 122144.7. MAPE 1.645062 5.371315 11.58182 11.70699 12.30295 11.81661. Evaluasi Hasil Peramalan (Tanpa koreksi ECM). 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 38.

Hasil Uji Coba Studi Kasus I Hasil Peramalan 12 Periode. 2/5/2011. Periode. Data Aktual. Peramalan. Hasil Peramalan 6 Periode. Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08. 1401141 1522982 1701917 1638424 1466405 1301498. 1452229 1483236 1319098 1550390 1289812 1271937. 1452229 1483236 1319098 1550390 1289812 1271937. Tugas Akhir - Dimitrij Nikita Anggono. 39.

Periode. Hasil Uji Coba Studi Kasus I. Error. MAPE. Jan-08. -51088.5. 3.646205. Feb-08. 39745.93. 3.127975. Mar-08. 382819.4. 9.583125. Apr-08. 88034.02. 8.530616. May-08. 176592.6. 9.233003. Jun-08. 29560.58. 8.072715. Jul-08. -256083. 9.78299. Aug-08. 12041.87. 8.663714. Sep-08. -352443. 11.61044. Oct-08. -242892. 12.40232. Nov-08. -64402.9. 11.68695. Dec-08. -273111. 12.5714. Evaluasi Hasil Peramalan 12 Periode. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 40.

Periode Jan-08 Feb-08 Mar-08. Hasil Uji Coba Studi Kasus I. Apr-08 May-08 Jun-08. Evaluasi Hasil Peramalan 12 Periode (Tanpa koreksi ECM). Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08. 2/5/2011. Error. MAPE. -23049.6 138554.3 408508.3 197962.4 215367.9 122144.7 -81372.2 61552.87 -242717 -152835 -68207.8 -174989. 1.645062 5.371315 11.58182 11.70699 12.30295 11.81661 11.03843 10.18818 11.74842 11.80242 11.16593 11.42613. Tugas Akhir - Dimitrij Nikita Anggono. 41.

Periode. Hasil Uji Coba Studi Kasus I. Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08. Peramalan dengan Koreksi ECM Error MAPE 92711.96 6.61689 118526 7.199693 308610.5 10.84416 211041.3 11.35331 182450.6 11.57106 17468.67 9.866246 -101095 9.587227 -8499.97 8.46195 -290844 10.74783 -166234 11.00963 -71066.5 10.4635 -191760 10.89636. Peramalan tanpa Koreksi ECM Error MAPE 170819 12.19142 212634.1 13.07656 302867.8 14.6496 178332.5 13.7083 204474.8 13.75543 72434.99 12.39044 -81702.5 11.53398 -1894.47 10.10853 -222833 11.45707 -23568.4 10.50086 -25492.6 9.70936 -197059 10.24112. Evaluasi Hasil Peramalan Tanpa Variabel Kurs. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 42.

Tarif Penuh. Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon) Panjang Lag Optimal. 2/5/2011. Panjang Lag 12 11 10 9 8 7 6 5 4. 11 10 9 8 7 6 5 4 3. Nilai Probabilitas 0.1726 0.05346 0.00002169 0.3784 0.1284 0.7335 0.001516 0.04249 0.2594. Tugas Akhir - Dimitrij Nikita Anggono. Tarif Diskon Panjang Lag 12 11 10 9 8 7 6 5 4. 11 10 9 8 7 6 5 4 3. Nilai Probabilitas 0.05367 0.02236 0.00001123 0.3357 0.2059 0.8224 0.003174 0.04383 0.1774. 43.

Variabel Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Total Permintaan Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs Kurs. Panjang Lag 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10. Tarif Penuh. Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon) Stasioneritas. 2/5/2011. Nilai tstatistic -6.169802 -4.277281 -3.864147 -3.428936 -2.975331 -2.789196 -2.582153 -2.195174 -2.405530 -2.513220 -5.231782 -4.824476 -4.294483 -3.862463 -3.877861 -3.333457 -3.172435 -2.666641 -3.656391 -3.353634 -5.885237 -4.419995 -6.592387 -6.014455 -5.559054 -4.819407 -4.145670 -3.028419 -2.986929 -2.727943. Tugas Akhir - Dimitrij Nikita Anggono. Nilai tstatistic -4.833302 -3.657269 -3.236482 -3.667781 -2.551899 -2.315445 -2.072853 -2.278954 -1.716102 -1.845385 -5.231782 -4.824476 -4.294483 -3.862463 -3.877861 -3.333457 -3.172435 -2.666641 -3.656391 -3.353634 -5.885237 -4.419995 -6.592387 -6.014455 -5.559054 -4.819407 -4.145670 -3.028419 -2.986929 -2.727943. Nilai Kritis 10%. -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615 -2.615. Tarif Diskon. 44.

Tarif Penuh. Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon) Kausalitas. Total Permintaan. Kurs. Permintaan. 0.00. 0.00. Variabel Total Permintaan Kurs. Nilai F 6.113065. Probabilitas 0.000374 0.001985. Tarif Diskon. Permintaan Variabel Total Permintaan Kurs. 2/5/2011. 4.648649. Tugas Akhir - Dimitrij Nikita Anggono. Total Permintaan 0.06 Nilai F 2.403114 2.338101. Kurs 0.02 Probabilitas 0.059841 0.022298. 45.

Orthog. IRF: 1  changes 2.5. Demand Total Demand Currency. 2 1.5 1. Demand. 0.5 0 -0.5 -1. Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon). -1.5 -2 -2.5. 0 10 20 30 40 50 Response of all variables to shock in equation 1. Orthog. IRF: 1  changes 2. Respon Impuls. Demand Total Demand Currency. 1.5 1. Demand. 0.5 0 -0.5 -1 -1.5 -2. 2/5/2011. 0 10 20 30 40 50 Response of all variables to shock in equation 1. Tugas Akhir - Dimitrij Nikita Anggono. 46.

Periode. Hasil Uji Coba Studi Kasus II (Tarif Penuh dan Tarif Diskon) Kausalitas. 2/5/2011. Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08. Permintaan dengan Tarif Penuh. Permintaan dengan Tarif Diskon. Error. MAPE. Error. MAPE. 2 -2 -8 -7 8 5 6 8 2 6 9 -2. 4.347826 4.257246 9.187371 12.03759 13.53251 13.17103 13.28281 14.18656 13.32712 13.53287 14.12079 13.44911. 5 -6 15 10 -7 9 -8 7 21 -9 7 6. 9.433962 10.07412 13.75834 14.28701 13.6171 13.69134 13.97633 13.64058 15.45829 15.57913 15.15716 14.70052. Tugas Akhir - Dimitrij Nikita Anggono. 47.

Hasil Uji Coba Studi Kasus II (Akumulasi Permintaan) 0 Panjang lag optimal: 5 0 Uji Stasioneritas: Stasioner 0 Kausalitas: Total permintaan terhadap permintaan. 0.05, kurs terhadap permintaan 0.06 0 Fungsi respon impuls Orthog. IRF: 1  changes. 5 4. Demand Total Demand Currency. 3 2. Demand. 1 0 -1 -2 -3 -4. 2/5/2011. 0 10 20 30 40 50 Response of all variables to shock in equation 1. Tugas Akhir - Dimitrij Nikita Anggono. 48.

Hasil Uji Coba Studi Kasus II (Akumulasi Permintaan) Periode Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08. 2/5/2011. Error 3 -19 -10 -8 -3 26 11 20 -2 -16 -3 18. MAPE 2.631579 11.87135 11.28123 10.75978 9.190345 11.49343 11.37717 12.16741 11.05188 11.99798 11.18555 11.54652. Tugas Akhir - Dimitrij Nikita Anggono. 49.

Kesimpulan dan Saran. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 50.

Kesimpulan 0 Peramalan dengan model VAR yang terdiri dari. langkah-langkah seperti pada bab metode menghasilkan peramalan dengan hasil peramalan yang berkisar dari bagus (nilai MAPE 10-20%) hingga sangat bagus (nilai MAPE di bawah 10%) 0 Variabel yang tidak lolos dalam uji kausalitas adalah variabel yang tidak terlalu relevan dalam peramalan dan sebaiknya tidak digunakan karena dapat memperburuk hasil peramalan.. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 51.

Kesimpulan 0 Dalam kasus di mana tidak semua data bersifat tidak. stasioner (melalui hasil uji Augmented Dickey-Fuller terhadap semua panjang lag dalam setiap variabel), penggunaan koreksi ECM dapat digunakan namun belum tentu membantu. Adanya koreksi justru dapat meningkatkan tingkat kesalahan peramalan. Hal ini disebabkan karena koreksi memberikan perubahan untuk sebagian data yang sejatinya sudah bersifat stasioner dan malah menimbulkan kesalahan. Dalam kasus semacam ini, sebaiknya peramalan tetap dilakukan dengan ECM, tetapi dengan didampingi peramalan dengan model VAR biasa tanpa diberi koreksi. Perbandingan ini dilakukan untuk mengetahui sejauh apakah koreksi ECM dapat secara tepat memberikan koreksi dan meningkatkan kualitas peramalan atau sebaliknya.. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 52.

Kesimpulan 0 Panjang pendeknya periode peramalan tidak mengubah. hasil peramalan, tetapi berpengaruh terhadap tingkat kesalahan. Semakin pendek periode peramalan, maka tingkat kesalahan (MAPE) cenderung semakin besar. Dari perubahan nilai MAPE ini, juga dapat disimpulkan bahwa model lebih bagus ketika digunakan untuk peramalan dengan periode pendek. 0 Untuk memastikan dihasilkannya peramalan yang optimal, setiap langkah pengujian (untuk menentukan panjang lag, sifat data, dan seterusnya) harus dilakukan secara menyeluruh dan runtut apabila peramalan dilakukan pada data hotel lain. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 53.

Saran 0 Menggunakan lebih banyak skenario untuk prediksi nilai. permintaan, misalnya dengan mempertimbangkan variasi jenis hotel (lokasi, kelas, dan lain-lain). Ini disebabkan oleh banyaknya jenis variasi dari hotel yang dapat mempengaruhi tingkat permintaan. Contohnya adalah faktor lokasi yang terdapat pada hotel ABC dan XYZ. Hotel ABC terletak di Dubai yang industri pariwisatanya sedang berkembang. Akibatnya tingkat permintaan pun menjadi tidak stasioner karena cenderung mengalami tren peningkatan. Sedangkan hotel XYZ terletak di Swiss, negara dengan jumlah hotel yang tidak terlalu banyak dan harga yang relatif tinggi. Oleh karena itu, tingkat permintaan pada studi kasus kedus tersebut cenderung lebih stabil.. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 54.

Saran 0 Karena sifat regresi yang kurang baik untuk data dengan. perubahan nilai yang kecil, variabel seperti kurs pada studi kasus pertama sebaiknya dihindari. Dalam studi kasus tersebut, variabel kurs yang hanya mengalami perubahan pada kisaran 10-3 ternyata memberikan hasil peramalan yang tingkat akurasinya lebih rendah, yakni memeliki nilai MAPE sebesar 11-12% (jika dibandingkan dengan peramalan tanpa variabel kurs yang memiliki nilai MAPE hanya sekitar 10%). 0 Mencoba transformasi data lain untuk menangani data yang tidak stasioner (selain differencing), misalnya menghilangkan seasonality. 2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 55.

2/5/2011. Tugas Akhir - Dimitrij Nikita Anggono. 56.