ANALISIS DATA RUNTUN WAKTU MUSIMAN DENGAN MODEL SARIMA (APLIKASI : PERSENTASE JUMLAH WISATAWAN DALAM NEGERI YANG DATANG KE HOTEL DI DAERAH ISTIMEWA YOGYAKARTA)

Aditya Saputra, NIM.: 05610009 (2010) ANALISIS DATA RUNTUN WAKTU MUSIMAN DENGAN MODEL SARIMA (APLIKASI : PERSENTASE JUMLAH WISATAWAN DALAM NEGERI YANG DATANG KE HOTEL DI DAERAH ISTIMEWA YOGYAKARTA). Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (ANALISIS DATA RUNTUN WAKTU MUSIMAN DENGAN MODEL SARIMA (APLIKASI : PERSENTASE JUMLAH WISATAWAN DALAM NEGERI YANG DATANG KE HOTEL DI DAERAH ISTIMEWA YOGYAKARTA)) BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text (ANALISIS DATA RUNTUN WAKTU MUSIMAN DENGAN MODEL SARIMA (APLIKASI : PERSENTASE JUMLAH WISATAWAN DALAM NEGERI YANG DATANG KE HOTEL DI DAERAH ISTIMEWA YOGYAKARTA)) BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (5MB) | Request a copy

Abstract

Analisis data runtun waktu musiman bertujuan untuk memprediksi data runtun waktu yang mempunyai pola musiman pada beberapa periode ke depan berdasarkan data dimasa lalu. Adapun tujuan utama dari penelitian ini adalah untuk memprediksi prosentase jumlah wisatawan dalam negeri yang datang ke hotel di Daerah Istimewa Yogyakarta dengan menggunakan model SARIMA. Data yang digunakan berupa data bulanan dari bulan Januari 2003 sampai dengan bulan Desember 2008. Penelitian ini membahas tentang langkah-langkah analisis data runtun waktu musiman dengan model SARIMA yang menggunakan pendekatan metode Box- Jenkins. Metode ini terdiri dari beberapa tahap, yaitu identifikasi model, estimasi parameter, pemeriksaan diagnostik dan peramalan. Tahap identifikasi model dilakukan dengan pengidentifikasian model yang dianggap paling sesuai dengan melihat plot ACF dan PACF dari correlogram. Tahap estimasi dilakukan dengan cara penaksiran terhadap setiap parameter dalam model tersebut. Tahap pemeriksaan diagnostik digunakan untuk menguji kesesuaian dari setiap parameter yang didapat dari tahap sebelumnya. Setelah model yang sesuai terpilih maka langkah selanjutnya menggunakan model tesebut untuk peramlan. Hasil dari penelitian ini menujukkan bahwa model SARIMA (0,1,1) (0,1,1)12 memberikan hasil peramalan yang baik dengan nilai AIC dan BIC terkecil, serta memenuhi asumsi-asumsi pada pemeriksaan diagnostik. Hal ini terbukti pada data ramalan persentase jumlah wisatawan dalam negeri yang datang ke hotel di Daerah Istimewa Yogyakarta.

Share this knowledge with your friends :

Actions (login required)

View Item