'.l-riPti ..-J I
t-Seminar Nasional Saii4ryrTeknologi (Senastek),Denpasar Bali 20 I 5
PEMODELAN
JUMLAH
KUNJUNGAN WTSATAWAN
CIIINA
KE
BALI
MEI\GUNAKAN ERROR CORRECTION MODEL
(ECM)
"Ni Luh Putu Suciptawatir),Komang Dharmawan2), I Nyoman Sudiarta3)
'Jurusan Matematika,FMlPA,UNLID,Bukit Jimbaraq Badung Telp 036l703137,pufusuciptawati@yahoo.co.id 'Jrrrusan Matematika,FMIPA,I-INUD,bukit Jimbaran, Badung Telp 036 I 703 137
3lJurusan
Destinasi Pariwisata,FPariwisata,UNUD,Jl Goris No 7, Denpasar Telp 0361223798
Abstrak
Penelitian ini bertujuan untuk memodelkan jumlah kunjungan wisatatvan China ke Bali. Variabel-variabel yang dikaji dalam penelitian
ini
adalah Jumlah kunjungan wisatavan China ke Bali sebagai variabel terikat, sedangkan sebagai variabel bebas diantaranya: harga paritvisata,tingkat inflasi, nilai tukar mata uang Yuan terhadap rupiah, dan IHK Indonesia. Dqtq yong digunakan mempakan data sekunder berutpa data bilanan dari bulan Januari 2010 sampai dengan bulan April 20lS.Untuk menganalisa data metode yang digunakan adalaltEnor
Corection Model (ECM). Hasil penelitan menunjukkan terjadi kointegrasi pada data yang digunakrandalam penelitian. Ini berarti bahw'a yariabel-variabel penelitian memiliki hubungan jangka panjang. Dengan kata lain secara bersama-sama ctda keseimbangan jangka panjang antara lcunjungan wisatawan China, dengan
harga pariwisata, tingkat,inJlasi dan IHK Intlonesia. Nitai R2 :0.653 menunjukkan model
yang
diperoleh mampu menjelaskan variabel terikat sebesar 65.3?6 sedangkan sisanya merupakan variabel lain yang tidakmasuk dalam model.
Kata kunci: kointegrasi, ECM, kunjungan wisatawan
This study aims to modeling the number of tourist fi"on Clr-i;ia t:isiting Eali. The impact of tourism fee, inflation
rate, exchange rate of Yuan to Rupiah, and Inclonesia's C?! cr; !!:c ;ii:ruber of Cliinese visilor in Bali will be quantified, using monthly datafrom Januaty 20lA untii aprti
2i;i5
Errar Ci;n"ection iuiodel (ECM) vtili be used to analyze those data. The result shows that all af variabels being useci irr. rhis stttrilt are cointegrated, which means theyall
have long-tetm relationships. That is to say, comprehensively, there is a long-term balance between Chinese's visit ond tourismfee, inflation rate, exchange rate of Yuan to Rupiah as well as Indonesia' CPI. The value of R2:
0.653 indicates that the number of Chinese visitor can be explained by those four explanatory variabels by 65. j%, while the rest (34.7%o) is explained by other veriabels which are not included in the model.Key word: cointegration, ECM, tourist arrivals
1.
PendahuluanPariwisata
Bali
telah ditempatkan sebagai salah satu kegiatan ekonomi utamadi
Koridor Ekonomi Bali-Nusa Tenggara dalam Program Masterplan Percepatan dan Perluasan Pembangunan Ekonomi Indonesia (MP3ED. Sejaklima
tahun terakhir terjadi peningkatan kunjungna wisatawan mancanegara ke Bali.Pada tahun 2009 tercatat jumlah wisatawan mancanegara ke Bali 2385122 orang, sedangkan pada tahun 2013 terjadi peningkatan yang cukup signifikanyaifi3278598.
(BPS, 2013).dipengaruhi oleh: pendapatan asli negara asal wisatawan, Indeks harga
konsu men(consunter price Index) negara tujuan wisatawan, serta
nilai
tukar mata uang antara negara asal wisatawan dengannegara tujuan.
S-eringtali data kunjungan wisata, maupun nilai tukar mata uang bukanlah data yang bersifat stasioner.
Jika dilakukan analisis regresi dengan menggunakan metode kuadrat terkecil t"rt rOip variabel-variabel runtun waktu yang tidak stasioner kadangkala menghasilkan R2 yangtinggi walaupun sebenarnya tidak
ada
hubunganyang
cukup
berarti
antara variarbel-variabeltersJb--ut.
Iiejadian seplrti
inimengindikasikan
terjadi
regresi
lancung(spurious regression)yang
mengakitatkan pendugaankoefisien
regresi tidak efisien (Ender,2004). Reglesi lancung ditandai dengannilai
R2vi"g
,rrggitetapi nilai Durbin-Watson yang dihasilkan rendah.Untuk menghindari regresi lancing
, peneliti harus mengkaji latar belakang hubungan tersebut.
P"gt"
and Granger (1987) mengembangkan suatu metode yang dapat digunakan untuk mengatasi ketidak stasioneran dan regresi lancung yang disebut dengan Error Coreciion model (ECM).ECM merupakan suatu model yang digunakan untuk melihat pengaruh jangka panjang dan jangka pendek variabel-variabel bebas terhadap variabel terikat.
ECM
mi=rupakaniuut"
t"t"ii.
untut
mengoreksi ketakseimbangan. jangka pendek menuju keseimbangan jangka panjang. Selainitu
ECM juga dapat menjelaskan hubungan anatar variabel bebas dengu, ,rriiuU"t terikat pada saat sekarang dan waktu lampau.Seperti telah diungkapkan sebelumnya bahwa wisatawan Asia yang paling banyak berkunjung ke Bali berasal dari China, tulisan ini bertujuan untuk memodelkan jumiah kunjunlan wisatawan China ke Bali menggunakan Error correction Model (ECM).
2.
Metode PenelitianPenelitian
ini
n:=ngzuiilrcil data sei<ur:,ier -vaitu jurnlah kunjungan wisatawan China ke Bali, hargapariwisata,
nilai
tukar mata uang Yuan terhadap rupiah,ilngtat
inflasi,
indeks harga konsumJn Indonesia.Data yang digunakan adalah data buianan dari bulan Januari tahun2010 sampai dengan bulanApril
tahun 2015 yang diperoleh dari Badan Pusat Provinsi Bali, Bank Indonesia,serta Dinas Pariwisata Provinsi Bali.
2.1 Batasan Variabel Penelitian Variabel terikat:
f
:fgrnlah kunjungan wisatawan China ke Bali yang diperoleh dari Dinas pariwisata provinsi Bali u Variabel bebas:
X1: Harga pariwisata,
Harga pariwisata diproksi dengan
HP=
IHKalex
IHKt
denganHP:
harga pariwisata,IHKa:
indeks harga konsumen negara asalEx:
nilai tukarIHKI:
indeks harga konsumen Indonesia. X2: Nilai tukarnilai tukar CNY-IDR
{
X4: Indeks Harga konsumen Indonesia2.2 Metode Analisis
Alat
analisis yang digunakan dalam penelitianini
adalah ECM(Error
Correction Model) dengan menggunakan bantuariprogram Eviews 6.0. Tujuan ECM mengoreksi keseimbangan jangka pendek menuju jangka puniu.,g,,"iinggu
diperoleh model yang lebih sesuai dan lebih presisi dipakai dalam peramalan.Langkah-langkah penelitan dengan
ECM
h1)
Uji
Kestasioneran Variabeluntuk
menghindari terjadinya regresi lancung pada model yang dibuat, terlebih dahulu dilakukanpemeriksaai kestasioneran terhadap variabel-variabel penelitian (Gujarati ,2004)'
Uji
kestasioneran data-"rggr.tukan tmit
Rooi test. Metode yang digunakanuji
Attgmented DickeyFuller (ADF).Uji
ini
digunalan untuk mengatasi kemungkinan adanya serial corre-lation atau adanyakorelasi pada suku galat atau residual.
Eila
terdapatunit root
maka variabel belum stasioner(Gujarati,20O
4
dan f,nders,2004). Dengan menggunakanuji
ADF,
makavariabel
diasumsikan mengikuti persamaanLY.
=
Lt + Ft*
pYt-r+
|
@,. LYy-.i*
us t=7dengan
p
=Lpi=rQi-
l
dan @;:
-ZTi*tQi,ufidalah
komponeneror'
panjang /ag. Niodel regresi (1) diuji dengan metode ADF, dengan hipotesis:
Hoi P
=
0 (variabel memiliki unit root) H1:p
10
(variabel tidak memiliki unit root)(1)
dan
m-p-
L
adalahStatistik
uji z
pada uji ADF diperoleh dengan z=
sta.error(L!=r@i)L?=rqi-t (2\Jika nilai statistik
uji
r
lebih kecil dari nilai kritis tabel MacKinnon, maka H6 ditolak yang berarti dataderet waktu bersifat stasioner.Sedangkan
jika
nilai statistikuji
z
lebih besar dari nilai kritis tabel DFatau tabel MacKinnon, maka H0 tidak ditolak yang berarti data deret waktu bersifat tidak stasioner'
2)
Uii
Derajat Integrasipengujian
ini
bertujuan gntuk melihat pada order differensike
berapa data yangditeliti
menjadi stasioner? Jika data tidak stasioner pada unit root test, lakukan diferensi, pengujian dilakukan pada bentuk diferensi pertama, demikian seterusnya diferensi dilakukan sampai diperoleh kestasionerandata.
3)
Uji
KointegrasiKointegrasi merupakan kombinasi linier dari variabel yang tidak stasioner dan terintegrasi pada order
yang sama (Engle dan Granger, 1987). Apabila data deret waktu terkointegrasi, maka terdapat
irubungan j angka panj ang anlara variabel-variabelnya' fangkah-langtah yang digunakan pada uji kointegrasi yaitu:
1
.
penentuan panj an;Ui.
tvtetodeyang dapata[rttuta.
untuk menentukan panj ang lagyang optimal adalah Akaike
Inloriation
Criierion lAtC;,J"rnukin kecilnilai
AIC
maka semakin baik modelyang digunakan
/t
Untuk mengujijumlah
vektor kointegrasi pada data runtun waktu digunakan pengujianrank matriks kointegrasi,
yaitt
trace statistic dan'maximum eigenvalue test.irace
test merupakanuji
untuk
mengukurjumlah vektor
kointegrasi dalamdati
runtunwaktu
denganmenggunakan pengujian rank matriks kointegrasi, dinyatakan:
7,,.,,"(r)=
-r
i
r"(r-
i,),
(3)
dengan T menyatakan jumlah observasi,
),
menyatakan estimasi
eigenvalue yang dihasilkan dari estimasimatriksll,
danr
menyatakan rank yang mengindikasikanjumlah
vektor kointegrasi. Dengan mengetahuijumlah
r
, maka akan dfl<etarruiiuniatr
hubungan kointegrasidi
antara dataruntun waktu(Johansen & Juselius, 1990). Hipotesis pengujian:
Ho:r=0,
Hr:r>0,
dan
nilai
r
menentukan banyaknya vektor kointegrasi. Dengan aturan keputusan, apabilanilai trace statistic lebih besar dari_nilai kritis pada tingkat k"p"."uyuui, cr atau nilaipeluang lebih
kecil
dari a
maka hipotesis nol ditolak yang artinya te{adi kointegrasi.
Adanya kecenderungan bahwa troce test nampir selalu menerima adanya
kointegrasi, maka
kriteria
penerimaan adanya kointegrasi dapat ditempuh berdasarkanhasil
maximum eigenvalue/esl(Johansen & Juselius, 1990).
l^u*(r,r
+
l) -
-T tn(f
-,i,*r)
g)
Hipotesis pengujian:
H6:7t=0,f=r*1,...,n
H1:71
-
7z=...=
7n=
0,7z=72:r..=7n=0,
7z=7q:.!.=7n=0,
dan seterusnya
r
=
0 (tidakterdapat kointegrasi)r
=
1(l
vektorkointegrasi)r
=
2 (2 vektor kointegrasi)r
=
3 (3 veklorkointegrasi)Apabila nl7ai maximum eigenvaltte lebih besar dari nilai kritis pada tingkat kepercayaa n a, yang ditetapkan atau
nilai
peluang lebihkecil
daria
maka hipotesisnol
ditolaklang
berarti terindikasi adanya kointegrasi.3. Hasil dan Pemtrahasan 3.1
Uii
KestasioneranKestasioneran sebuah variabel dapat diperiksa dengan menggunakan
uji
ADF. Dengan menggunakanuji ADF, maka variabel diasumsikan mengikuti p"rJr-uurr
lii
a"rrgm A merupakan operator diferensipertama, 16 menyatakan tiap variabel yang
diteliti;ul
menyatakan residual; danmmenyatakan panjang /ag diferensi.Prosedur penentuan panjang
/ag
diferensi adalah memasukkan
lag
tertentuke
dalam persamaan(2),
misali =
1,
kemudianmelguji
apakah terdapatserial
"orrilotion
pada residual. Apabila terdapat serial correlation, maka dilanjutkan dengan memasukkan lagi =
2,3,4,...demikian seterusnya hingga tidak terdapatserial
correlation. Proses iterasi untuk menentukan panjang lagI'gg'
tidak terdapat serial coruelation dibantu dengan menggunak an software EViews. Untuk variabel-variabel penelitian di atas hipotesis yangat;'diuji
adalaha)
Jumlahwisatawan China(wisatu*ur,yHo:
h
=
0 (Jumlah kunjungan wisatawan China ke Bali memilikiunit
rootltidak stasioner),Hi
h
<
0(Jumlah kunjungan wisatawan China ke Bali tidak memil iki unit root/stasioner).I
Seminar Nasional Sains dan Teknologi (Senastek),Denpasar Bali 2015
Ho: pz
=
0 (Harga Pariwisata memiliki unit rootltidak stasioner),Hi
pz(
0 (Harga Pariwisata tidak memillki unit roolstasioner). InflasiHo: ps
=
0 (inflasi memiliki unit rootltidak stasioner),Hi
ps(
0 (inflasi tidak memiliki unit rootlstasioner).Nilai tukar
Hoi p+
=
0 (kurs memiliki unit rootltidak stasioner),Hi
p+(
0 (kurs tidak memillki unit rootlstasioner). Indeks Harga konsumen Indonesia(IHK)Ho:
Ps:
0 (IHK memiliki unit rootltidak stasioner),Hi
ps<
0 (IHK tidak memillki unit roalshsioner).Pada penelitian
ini
tingkat kepercayaan yang digunakan adalaha:l5oh.
Hasiluji
ADF dapat dilihat pada tabel berikutTabel 1 Hasil
Uii
ADFVariabel Peluans Keteransan
Harga pariwisata (X1) 0.8s04 Tidak Stasioner
N ai tukar (X2) 0.9817 Tidak Stasioner
T nskat inflasi
fi3)
0.0000 StasionerIHK (X4) 0.3541 Tidak Stasioner
Jumlah kunjungan
wisatawan (Y) 0.9986
Tidak Stasioner Sumber: Data diolah (2015)
Berdasarkan nilai peluang pada tabel 1 tanpak bahwa hanya sedangkan variabel-variabel lain tidak stasioner.
inflasi ya.ng stasioner (peluang:0.0000),
3.2
Uji
derajai IntegrasiAgar
variabel-variabel penelitian menjadi stasioner, maka diasumsikan variabel-variabel tersebutstasioner pada diferensi pertama
I(1)
dengan melakukan differensiasi terhadap variabel-variabel tersebut selanjutnya lakukan uji ADF lagi. Hasil uji ADF untuk I(1) dapat dilihat pada tabel2.Tabel2.
a Has Uiiln
Variabel Peluans ADF Keterangan
Harga pariwisata (X1 0.0000 Stasioner
Nilai Tukar (X2) 0.0000 Stasioner
IHK (X4) 0.0000 Stasioner
Jumlah
kunjunganwisatawan (Y) 0.0000
Stasioner
Sumber: Data diolah (2015)
Berdasarkan Tabel 2 tampak bahwa pada diferensi-l semua variabel sudah stasioner, sehingga model ECM dapat digunakan.
3.3 Uji
KointegrasiUji
kointegrasi dilakukan untuk melihat hubungan keseirnbangan jangka panjang arrtara variabel-variabel yang tidak stasioner, tetapi mempunyai kombinasi linier yang stasioner.c)
d)
[image:5.612.103.464.565.666.2]T
Uji
kointegrasi sensitif terhadap panjanglag
yangdipilih,
maka akan ditentukan terlebih dahulu panjang lag yang sesuai. pemilihan panjangtag
dilaktkan dengan memilih beberapa panjang lag dan*""gfrit""g
nilai AtC
untuk masing-masing persamaan dengan panjanglag
yang berbeda. Semakintecif
nilai AIC maka semakin baik model yang digunakan dan sebaliknya, sehingga panjang lag yangdigunakan adalah panjang
lag
daripersamaan dengan nilai AIC terkecil.Nilai
AIC terkecil diperolehpalda lag ke-8 dengan niUi
aiC
D.98178, berdasarkan panjang lag tersebut dilakukanuji
kointegrasi. Hasil uji kointegrasi dengan metode Johansen dapat dilihat pada Tabel 3.abel3. Hasil U koi nsen
Hiootesis Nol Nilai Eisen
Trace
h Nilai kritis Probabilitas Keoutusanr=0
0.944021 351.5330 69.8 r 889 0.0001 Tolak Hor 11
0.887176 r92.9806 41.85613 0.0000 Tolak Hsr 12
0.s00864 72.97497 29.79707 0.0000 Tolak Hor 13
0.381264 34.7s673 15.49471 0.0000 Tolak Hor<4
0.140895 8.352520 3.84t466 0.0039 Tolak HoSumber: Data diolah (2015)
Berdasarkan hasil
uji
Johansen dapat disimpulkan bahwa terjadi 5 buah vektor kointegrasi sehingga mengikuti proses I(0). Dengan demikian dapat dikatakan adanya kointegrasi pada data yang digunakandalair
penelitian.Hasil
ini
menunjukkan bahwa variabel-variabel penelitianmemiliki
hubungan jangka panjang.3.4
Estimasi ModelHasil
uji
Johansen menunjukkan variabel-variabel penelitian memiliki keseimbangan jangka panjang' Hasil estimasi Persamaan jangka par',!ang adalah:Tabel4. Estimasi Persamaan Jangka Panjang
Variabel
Coefficient
Std.Error
t-Statistic
Prob.i Joha
C
x1
x2
x3
x4
169335.8 153338.5
1.104321
0.2739-1.20E+08 97131757
-1.232705
0.22268.049275
3r.78363
0.2532s2
0.8010r388.2r2
2016.865
0.688302
0.4940-704.3426
420.9129
-1.673t30
0.0996R-squared Prob(F-statistic)
0.653053
Mean dependent var0.000000
30645.63
Sumber: Data diolah (2015) Persamaan jangka panj ang
Kunjungan wiiatawan,:169335.8 - 1.208+08 Hargapariwisatal +8.04927stingkat
inflasi
-104.3426fr1K
t
(5)Nilai
R2:0.653
menunjukkan modelyang
diperoleh mampu menjelaskan variabel terikat sebesar65.3o , sedangkan sisanya merupakan variabel lain yang tidak masuk dalam model.
{
Seminar Nasional Sains dan Teknologi (Senastek),Denpasar Bali 2015
Tabel5. Estmasi Persamaan Jangka pendek
Variabel Coefficient Std.
Error
t-Statistic CD(x1) D(x2) D(X3) D(x4) RES(-1)
553.5122 1.54E+08 51.11032 -621.3235 202.0444 -0.934484
133s.839 3.23E+08 92.42030 1751.117 1073.063 0.132573 ^
0.414355
0.68020.477316
0.06350.553020
0.5824-0.354816
0.72400.188288
0.8513-7.048823
0.0000 R-squaredF-statistic Prob(F-statistic)
0.497508 Mean dependent var 11.28694 Durbin-Watson stat 0.000000
553.0794 1.922629
Sumber: Data diolah (2015) Model jangka pendek diperoleh
Awisatawant=553.5122 - 1.54E+08*A Harga pariwisata,*51.11032*A Nilai tukar, +202.0444L* IHKI
Hasil
Estimasi jangka pendek dengan probabilitasECT
dan probabiliasF
:0.000
menunjukkanpersamaan di atas merupakan model yang valid untuk menggarnbirkan dinamika jangka pendek. Nilai koefisien
koreksi
ketidakseimbangan0.934
menunjukkanbahwa ketidak
seimbangan periode sebelumnya terkoreksi pada periode sekarang sebesar 0-934 (Baltagi,2011).Harga pariwisata memberikan pengaruh yang negatif terhadap kunjungan wisatawan China ke Bali, peningkatan
loh
harga pariwisatabulan
ini
akan mengakiUattanp"rrr*ru,
jumlah
kunjungan wisatal','an Chinake
Bali
pada bulan berikutnya sebesar 1.54E+08,hal
ini
sesuai dengan p.inripel:-oiionii searakin
tinggi
harga suatu produk/jasa maka permintaan terhadap produk tersebut akanmeIturun.
4. Kesimpulan dan Rekomendasi 4.1. Kesimpulan
1. Terjadi keseimbangan jangka panjang antara jumlah kunjungan wisatawan China ke Bali dengan harga pariwisata, tingkat inflasi dan Indeks harga Konsumen Indonesia
Dalam jangka pendek hanya variabel harga pariwisata yang berpengaruh secara
signifikan terhadap
kedatangan wisatawan China ke Bali 4.2. Rekomendasi
Dengan terjadinya keseimbangan jangka panjang antarajumlah kunjungan wisatawan China ke
Bali
dengan harga pariwisata, tingkat inflasi dan Indeks harga Konsumen Indonesia diharapkanpara pelaku pariwisata bisa menciptakan paket wisata yang lebih bervariasi dan mempunyai ciri
khas tersendiri, sehingga wisatawan tidak lari ke destinasi wisata yang lain.
Nilai R2 untuk persamaan jangka panjang maupun jangka pendek yang cukup kecil menunjukan adanya variabel lain yang berpengaruh terhadap kunjungan wisatawan Chiru ke nali, tetapi belum masuk dalam model. Dalam penelitian selanjutnya diharapkan dapat menambahkan
variabel-variabel lain misalnya PDRB negara asal wisatawan, harga paket wisaia sejenis di destinasi lain.
2.
1.
I
5. Ucapan Terima kasih
Pada kesempatan
ini
kami mengucapkan terima kasih kepadaDirjen
Dikti,
melalui Ketua Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Udayana atas dana yang diberikandari
Penelitian Desentralisasi dengan Skim Hibah Bersaing Tahun Angaran 2015. Dengan suratperj anjuan NoMoR:3 1 1 -49ltIN1 4.2/PNL.0 1 .03.00/20 I 5. Tanggal 3 0 Maret 20 1 5
Daftar Pustaka
Algieri,
B. Q\Aq. An
econometric estimationof
the demanclfor
tourisntTourism Economics, 12(l), 5-20.
Baltagi, Badi H. (2011). Econometrics (5th ed). Nerv York. Springer'
The case
of
Russia.BPS Provinsi
Bali,
(2013). Statistik Wisatawan Mancanegara keBali
20l3.Denpasar:UD.
Sarana Ilmu.Enders, W., 2010. Applied Econontetric Time Series. Hoboken: John Wiley
&
Sons.Engle, R.F.
&
Granger, C.W.J., 1987. Co-integration and Error Correction: Representation, Estimation, and Testing . Econometrica,Yol. 55, pp.25l - 276.Johansen, S
&
Juselius,K.,
1990. Maximum Likelihood Estimation and Inference on Cointegrationwith Applications to the Demand for Money. Oxford Bulletin of Economics, Vol. 67, pp.482
-489.