PERBANDINGAN MODEL ARIMA DENGAN MODEL RECURRENT ARTIFICIAL NEURAL NETWORK DALAM MEMPREDIKSI JUMLAH WISATAWAN ASING YANG DATANG KE PROVINSI BALI

WIKANTARA, I PUTU PRASETYA (2016) PERBANDINGAN MODEL ARIMA DENGAN MODEL RECURRENT ARTIFICIAL NEURAL NETWORK DALAM MEMPREDIKSI JUMLAH WISATAWAN ASING YANG DATANG KE PROVINSI BALI. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1310100040-Abstract.pdf - Published Version

Download (577kB) | Preview
[img]
Preview
Text
1310100040-Undergraduate Thesis.pdf - Published Version

Download (4MB) | Preview
[img]
Preview
Text
1310100040-conclusion.pdf - Published Version

Download (395kB) | Preview

Abstract

Pengembangan sektor pariwisata akan sangat mudah apabila perubahan permintaan yang akan datang pada pariwisata dapat diramalkan dari data-data masa lalu. Apabila pola kedatangan wisatawan diketahui, maka dapat dibentuk model yang dapat menggambarkan jumlah permintaan pada sektor pariwisata sehingga para pelaku bisnis maupun pemerintah dapat mengantisipasi tindakan ataupun keputusan yang harus diambil. Dalam penelitian ini akan diramalkan jumlah kedatangan wisatawan asing dengan menggunakan model ARIMA dan model Elman-RNN, mengingat bahwa pola kedatangan wisatawan tidak selalu linier. Data yang digunakan adalah data hasil survey Badan Pusat Statistika Bali. Data dibagi menjadi dua bagian yaitu data in-sample dan data out-sample. Data in-sample terdiri dari 84 observasi dan data out-sample terdiri dari 12 observasi. Pemilihan model terbaik menggunakan kriteria out-sample. Kriteria out-sample yang digunakan MAPE dan RMSE. Dari kedua model tersebut, model dari jaringan Elman-RNN adalah model terbaik dengan nilai MAPE dan RSME paling kecil, yaitu MAPE sebesar 5.41% dan RMSE sebesar 21884. ===================================================================================================== Tourism sector development will be really easy if demand changes could be forecasted from past data. If tourist arrival pattern is known, a model that shows tourism can be made so that government and entrepreneurs could anticipate and take action based on the forecast result. In this research, foreign tourist arrival will be forecasted using ARIMA model and Elman- RNN model, given that tourism arrival pattern is not always linear. Data used is survey data from Badan Pusat Statistika (BPS) Bali. Data will be split into 2 parts, which are data insample and data out-sample. Data in-sample consist of 84 observations and data out-sample consist of 12 observations. Best model selected using out-sample criteria. Out-sample criteria used is MAPE and RMSE. From both model, model from Elman- RNN is the best model with smallest MAPE and RMSE value, with MAPE 4.51% and RMSE 21884.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 006.32 Wik p
Uncontrolled Keywords: ANN, ARIMA, Elman-RNN, MAPE, pariwisata, RMSE, time series, wisatawan asing
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA278.2 Regression Analysis
Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis
Divisions: Faculty of Mathematics and Science > Statistics > (S1) Undergraduate Theses
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 03 Jan 2017 08:45
Last Modified: 27 Dec 2018 08:36
URI: http://repository.its.ac.id/id/eprint/1280

Actions (login required)

View Item View Item