• Tidak ada hasil yang ditemukan

PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER

N/A
N/A
Protected

Academic year: 2018

Membagikan "PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER"

Copied!
11
0
0

Teks penuh

(1)

commit to user

PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU

MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU

DENGAN EFEK VARIASI KALENDER

oleh

APRILLIA COSASI

M0109014

SKRIPSI

ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar

Sarjana Sains Matematika

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET

SURAKARTA

2014

(2)

commit to user

SKRIPSI

PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU

MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER

Winita Sulandari, M.Si. Drs. Muslich, M.Si.

NIP. 19780814 200501 2 002 NIP. 19521118 197903 1 001

telah dipertahankan di depan Dewan Penguji pada hari Senin, tanggal 23 Desember 2013

dan dinyatakan telah memenuhi syarat.

Fakultas Matematika dan Ilmu Pengetahuan Alam

Dekan, Ketua Jurusan Matematika,

Prof. Ir. Ari Handono Ramelan, M.Sc., (Hons), Ph.D. Irwan Susanto, S.Si., DEA.

(3)

commit to user

ABSTRAK

Aprillia Cosasi, 2013. PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGERSI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER. Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret.

Berdasarkan data jumlah wisatawan Grojogan Sewu untuk periode 2005 sampai 2012, dapat diketahui bahwa jumlah wisatawan meningkat setiap libur hari raya Idul Fitri. Sehingga terdapat pola berulang saat libur hari raya Idul Fitri. Hal itulah yang menyebabkan data jumlah wisatawan Grojogan Sewu me-miliki pola musiman dengan efek libur hari raya Idul Fitri. Penelitian ini bertu-juan meramalkan jumlah wisatawan Grojogan Sewu menggunakan model regresi runtun waktu yang dipengaruhi efek variasi kalender.

Efek variasi kalender diidentifikasi melalui plot runtun waktu. Efek variasi kalender dalam model regresi runtun waktu dinyatakan sebagai variabel dummy. Untuk mengetahui efek musiman terhadap data maka digunakan regresi runtun waktu dengan variabeldummydan trigonometri. Estimasi model yang digunakan adalah metodeordinary least square (OLS). Sesatan dari model harus memenuhi uji diagnostik, yaitu berdistribusi normal, white noise dan heteroskedastisitas. Jika sesatan belum white noise ditambahkan variabel autoregressive ke dalam model, kemudian parameter model diestimasi ulang.

Model yang memenuhi uji diagnostik adalah model regresi runtun waktu dengan variabel dummy musiman. Hasil validasi model menunjukkan bahwa ra-malan jumlah wisatawan Grojogan Sewu berada di bawah nilai aktual. Nilai

Root mean square error (RMSE) in-sample dan (outsample) adalah 7526 dan 9889. Hasil ramalan jumlah wisatawan Grojogan Sewu untuk September, Okto-ber, NovemOkto-ber, dan Desember 2013 adalah 29344, 30524, 18053, dan 30524.

Kata kunci : variasi kalender, variabel dummy, trigonometri, regresi, jumlah wisatawan, RMSE

(4)

commit to user

ABSTRACT

Aprillia Cosasi, 2013. FORECASTING THE NUMBER OF GROJOGAN SEWU TOURISTS USING TIME SERIES REGRESSION MODEL WITH CAL ENDER VARIATION EFFECTS. Faculty of Mathematics and Natural Sciences, Sebelas Maret University.

Based on the number of Grojogan Sewu tourists data for period 2005 to 2012, it can be considered that the number of tourists is increasing in every Eid holiday. Therefore, there is a recurring pattern on Eid holiday. It cause the number of Grojogan Sewu tourists data have seasonal pattern with Eid holiday effect. The aim of this research is to forecast the numbers of Grojogan Sewu tourist by time series regression model with calendar variation effect.

The calendar variation effects can be identified based on the time series plot. The calendar variation effect in time series regression models is expressed as a dummy variable. Time series regression model with dummy variables and trigonometry is used to determine the seasonal effects on the data. The model estimation use the ordinary least square (OLS) method. The residuals of the mo-del have to satisfy the diagnostic test, that are normally distributed, white noise and heteroscedasticity. If the residuals are not white noise, then autoregressive variables should be added into the model. Then the parameters of model can be re-estimated.

The model that satisfy the diagnostic test is a time series regression model with seasonal dummy variables. The results of validation model indicate that the forecasting of tourist numbers in Grojogan Sewu are below the actual value. The value of Root mean square error (RMSE) are 7526 and 9889 which are in-sample and out-in-sample respectively. The results of forecasting the number of Grojogan Sewu tourists for September, October, November, and December 2013 ware 29344, 30524, 18053, and 30524.

(5)

commit to user

PERSEMBAHAN

Karya ini kupersembahkan untuk

keluarga tercinta Bapak, Ibu, dan adikku

(6)

commit to user

KATA PENGANTAR

Puji syukur penulis panjatkan kepada Allah SWT, yang telah

melimpah-kan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaimelimpah-kan skripsi ini.

Penyusunan skripsi ini tidak lepas dari bantuan semua pihak, oleh karena itu

pe-nulis ingin mengucapkan terima kasih kepada semua pihak yang telah membantu

dalam penulisan skripsi ini, khususnya kepada

1. Ibu Winita Sulandari, M.Si. sebagai Dosen Pembimbing I yang telah

mem-berikan bimbingan, saran, serta ide-ide dalam penulisan skripsi ini,

2. Bapak Drs. Muslich, M.Si. sebagai Dosen Pembimbing II yang telah

mem-berikan bimbingan dan saran dalam penulisan skripsi ini.

Semoga skripsi ini dapat bermanfaat bagi pembaca.

Surakarta, 23 Desember 2013

(7)
(8)

commit to user

2.2.6 Model Regresi dengan Variabel Dummy . . . 10

2.2.7 Model Musiman dengan Trigonometri . . . 10

2.2.8 Variasi Kalender . . . 11

2.2.9 Estimasi Parameter untuk Model Regresi dengan Variabel Dummy . . . 13

2.2.10 Pengujian Signifikansi Parameter Model Regresi dengan Va-riabel Dummy . . . 15

4.2.1 Model Regresi dengan Variabel Dummy Efek Variasi Ka-lender . . . 22

4.2.2 Model Regresi dengan Variabel Dummy Efek Variasi Ka-lender dan VariabelDummy Musiman . . . 25

(9)

commit to user

Daftar Tabel

4.1 Hasil uji signifikansi parameter untuk model (4.2) . . . 26

4.2 Hasil uji signifikansi parameter untuk model (4.3) . . . 27

4.3 Hasil signifikansi parameter untuk uji Glejser . . . 29

4.4 Hasil uji signifikansi parameter untuk model (4.5) . . . 30

4.5 Hasil uji signifikansi parameter untuk model (4.6) . . . 30

4.6 Uji signifikansi parameter dan uji diagnostik masing-masing model setelah ditambahkan variabel autoregressive . . . 32

4.7 Nilai ramalan jumlah wisatawan Grojogan Sewu . . . 36

(10)

commit to user

Daftar Gambar

4.1 Plot jumlah wisatawan Grojogan Sewu . . . 21

4.2 Plot kenormalan untuk sesatan model (4.1) . . . 23

4.3 Plot fungsi autokorelasi untuk sesatan model (4.1) . . . 24

4.4 (a) Plot kenormalan untuk sesatan model (4.3) dan (b) Plot fungsi

autokorelasi untuk sesatan model (4.3) . . . 28

4.5 Plot penyebaran data nilai ramalan dan nilai sesatan model (4.3) 28

4.6 (a) Plot normalitas untuk sesatan model (4.6) dan (b) Plot fungsi

autokorelasi untuk sesatan model (4.6) . . . 31

4.7 Plot fungsi autokorelasi parsial untuk sesatan model (4.6) . . . 31

4.8 Plot runtun waktu data in-sample dan nilai ramalan . . . 33

(11)

commit to user

DAFTAR NOTASI

t : waktu

yt : variabel terikat ke-t, t=1,2,...,T

α : tingkat signifikansi, probabilitas kesalahan tipe I

φp : parameter autoregresif ke-p, p= 1,2, ..., P

εt : sesatan pada waktu ke-t, t= 1,2, ..., T

B : operator backsift

γk : fungsi autokovariansi ke-k, k= 1,2, ..., k

ρk : fungsi autokorelasi ke-k, k = 1,2, ..., k

φkk : sampel fungsi autokorelasi parsial ke-k

yt : variabel terikat pada waktu ke-t, t= 1,2, ..., T

βm : parameter variabel dummy ke-m, m= 2,3, ..., m−1

Dm,t : variabel dummy ke-m pada waktu ke-t sebagai variabel bebas,

m = 2,3, ..., m1 dan t= 1,2, ..., T

Vp,t : variabel dummy untuk efek variasi kalender ke-p,p= 2,3, ..., p−1

dan t = 1,2, ..., T

Sm,t : variabel dummy musiman ke-m pada waktu ke-t, m= 2,3, ..., m−1

dan t = 1,2, ..., T

m : banyaknya variabel dummy musiman

s : periode musiman

n : banyaknya data

r : banyaknya parameter dalam model

H0 : hipotesis nol

(x) : distribusi empirik sampel acak ke-x

F∗

(x) : distribusi normal ke-x

D : supremum pada setiap x dari absolut F∗

(x)−S(∗x)

Referensi

Dokumen terkait

[r]

Karakteristik yang dimaksudkan pada penelitian ini adalah karakteristik demografi santri berupa jenis kelamin, tingkat pendidikan, jumlah sumber informasi, dan

Aspek telaah konstruksi mendapat nilai dari penelaah 18 karena dalam soal mengelola administrasi dana kas kecil tidak ada pedoman penskoranya, dengan nilai

Sense of business dapat dikembangkan melalui pendidikan kewirausahaan yang baik berupa kegiatan di dalam perkuliahan maupun di luar perkuliahan. Berkaitan dengan

LAPORAN PRAKTIKUM LAPANG TEKNIK ANALISIS KADAR… MUHAMMAD ALI ROHMAN yang senantiasa memberikan semangat dan dukungan penulis untuk menyelesaikan penyusunan Laporan

Sedangkan keragaman redaksi pada pembahasan panjang rambut nabi, menurut peneliti keragaman tersebut mengindikasikan bahwa beliau terkadang memiliki rambut

Pendapat lain juga diungkapkan oleh tokoh agama di Linggoasri yang mengatakan bahwa pada awalnya batu lingga ini disebut batu wurungan karena hanya dianggap batu biasa, akan

dibutuhkan di wilayah penelitian. Peneliti menetapkan informan berdasarkan anggapan bahwa informan dapat memberikan informasi yang diinginkan penelitian sesuai dengan