Abstract

Singular spectrum analysis (SSA) is a method to decompose the original time series into a summation of a small number of components that can be interpreted as varied trends, oscillatory, and noise components. The purpose of this research is to model and to find out the results of forecasting the number of foreign tourists arrival to Bali using SSA method. In this research, the accuracy of forecasting results will be calculated using the SSA model with reccurent singular spectrum analysis (RSSA) method. The best SSA model was obtained with a window length (L=94) and produces MAPE value of 7,65%.

Highlights

  • a method to decompose the original time series into a summation of a small number of components that can be interpreted as varied trends

  • The best Singular spectrum analysis (SSA) model was obtained with a window length

  • Hal ini menunjukkan bahwa metode Singular spectrum analysis (SSA) dapat

Read more

Summary

PENDAHULUAN

Pariwisata memiliki peranan penting bagi masyarakat serta suatu negara. Pariwisata merupakan salah satu sektor penunjang pembangunan nasional sekaligus salah satu faktor penting untuk meningkatkan pendapatan masyarakat. Hal ini ditunjukkan oleh kenaikan jumlah wisatawan mancanegara yang berkunjung ke Bali pada Januari 2019 (Assifa, 2019). Peramalan jumlah kunjungan wisatawan mancanegara dan ketepatan analisis data deret waktu ini sangat bermanfaat bagi penetapan strategi peningkatan sektor pariwisata. Hasil dari penelitian tersebut menyimpulkan bahwa SSA merupakan metode terbaik yang bisa digunakan untuk melakukan peramalan dilihat dari nilai mean absolute error (MAE) dan mean relative absolute error (MRAE). Khaeri dkk (2017) menerapkan metode SSA pada peramalan jumlah penumpang kereta api di Indonesia tahun 2017 di mana ditunjukkan bahwa data memiliki lebih dari satu pola musiman. Hasil dari penelitian tersebut menyimpulkan bahwa model SSA dapat meramalkan jumlah penumpang kereta api di Indonesia tahun 2017 dengan nilai MAPE sebesar 7,11%.

Jenis dan Sumber Data
Metode Analisis Data
Pengelompokan
HASIL DAN PEMBAHASAN
Dekomposisi
Rekonstruksi
Pengelompokan Komponen Tren dan Musiman
Peramalan
KESIMPULAN DAN SARAN
Full Text
Published version (Free)

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call