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.

[thumbnail of 1310100040-Abstract.pdf]
Preview
Text
1310100040-Abstract.pdf - Published Version

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

Download (4MB) | Preview
[thumbnail of 1310100040-conclusion.pdf]
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. Logistic regression
Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
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