Pemodelan Dan Peramalan Kedatangan Wisatawan Ke Tempat Wisata Dengan Google Trends Menggunakan Metode Variasi Kalender Arimax

Abstract

Abstrak
Perkembangan ke arah digital memiliki berbagai jenis data yang beragam, seperti text, photo, video,
maupun postingan di social media ataupun web. Semakin bagus/menarik data yang tersebar, semakin
besar pula peluang untuk menarik ketertarikan pengguna pada suatu informasi, salah satunya tempat
wisata. Dampak yang dihasilkan ialah kenaikan maupun penurunan jumlah wisatawan yang tidak
diketahui. Seringkali ketika jumlah wisatawan mengalami kenaikan, sarana/fasilitas yang ada tidak
sesuai dengan permintaan wisatawan. Variasi kalender seperti jumlah hari libur/tanggal merah
merupakan salah satu faktor kenaikan kedatangan wisatawan yang tidak menentu. Dalam penelitian ini,
dilakukan peramalan untuk memprediksi data jumlah wisatawan yang diambil dari Badan Pusat
Statistik (BPS). Peramalan dilakukan dengan menambahkan data dari Google Trends sebagai variabel
eksternal. Data Google Trends digunakan untuk membantu dalam pembuatan model pada metode
ARIMAX. Dalam penelitian ini dilakukan peramalan menggunakan metode ARIMA dan ARIMAX.
Peramalan menggunakan metode ARIMA menghasilkan nilai MAPE sebesar 28.03% dan nilai RMSE
sebesar 3680.09. Peramalan menggunakan metode ARIMAX dengan data Google Trends menghasilkan
nilai MAPE sebesar 2.48% dan nilai RMSE sebesar 1100.81. Dari perbandingan nilai error kedua metode
tersebut dapat disimpulkan bahwa model ARIMAX adalah model terbaik. Sehingga model ARIMAX
dapat digunakan dalam memprediksi jumlah kedatangan wisatawan dalam 1 tahun ke depan.
Kata kunci : Prediksi, Wisatawan, ARIMAX, Google Trends.
Abstract
Advances in digital direction include a wide variety of data, including text, photography, video, and
posting on social media or the web. The more attractive the data, the greater the opportunity to attract
users attention as of the destinations. The resulting impact was an unwavering increase and decrease in
tourists. Often, as the number of travelers increases, existing baggage/facilities do not meet the needs of
tourists. Changes in the calendar, such as the number of holidays/days, are one of the increasing factors of
tourists irregular arrival. In this study, there was a prediction of the number of travelers extracted by the
National Statistical Office (BPS). Google Trends runs by adding data about external variables. Google
Trends material is used to help create models in the ARIMAX method. In this work, prediction using
ARIMA and ARIMAX methods is performed. The predictor is derived from the ARIMA method with a
MAPE value of 28.03% and RMSE of 3680.09. Google News uses the ARIMAX method with a MAPE
value of 2.48% and RMSE of 1100.81. We can infer that the ARIMAX model is the best model from the
comparison of the real values of the two methods. The ARIMAX model can be used to predict the number
of arrivals for travelers within a year.
Keywords: Prediction, Tourists, ARIMAX, Google Trends.