Implementasi Multivariate Time Series Menggunakan Metode Generalized Space Time Autoregressive (Gstar) Seasonal (Studi Kasus: Data Jumlah Wisatawan Candi Borobudur, Candi Prambanan, Dan Pantai Parangtritis Periode Januari 2015 — Maret 2020)
Abstract
Generalized Space Time Autoregressive (GSTAR) merupakan salah satu
metode peramalan runtun waktu multivariat yang menggabungkan keterkaitan
waktu dan lokasi dengan asumsi parameter setiap lokasi bersifat heterogen.
Metode tersebut kemudian diimplementasikan pada data penelitian dengan
menggunakan tiga objek wisata yang paling diminati sepanjang periode dan
dikenal sebagai karakteristik Daerah Istimewa Yogyakarta yaitu wisata Candi
Borobudur, Candi Prambanan, dan Pantai Parangtritis. Meskipun objek wisata
Candi Borobudur secara administratif berada di Kabupaten Magelang, namun
jarak ketiga lokasi cukup berdekatan. Selain itu, dugaan keterkaitan waktu dan
lokasi pada objek-objek wisata tersebut bermula dari data jumlah kunjungan
wisatawan yang cenderung mirip antar ketiganya. Efek lokasi pada metode
GSTAR dirumuskan dengan matriks bobot lokasi. Dalam penelitian ini, matriks
bobot Jokasi yang digunakan adalah bobot seragam, invers jarak, dan normalisasi
korelasi silang. Dengan menggunakan eliminasi backward pada uji signifikasi
parameternya, diperoleh model terbaik GSTAR(3,1)-I(1)'* dengan bobot lokasi
invers jarak yang memiliki nilai akurasi peramalan terkecil yaitu RMSE 56.881,64
dan MAPE 15,91651% (geod forecasting). Berdasarkan hasil analisis, model
peramalan jumlah wisatawan Candi Borobudur dan Candi Prambanan tidak
dipengaruhi oleh lokasi lain tetapi peramalan jumlah wisatawan Pantai
Parangtritis dipengaruhi oleh kedua lokasi tersebut. Peramalan untuk Candi
Borobudur dipengaruhi data tiga periode sebelumnya, sedangkan peramalan untuk
Candi Prambanan dipengaruhi data dua periode sebelumnya, kemudian peramalan
untuk Pantai Parangtritis dipengaruhi oleh Candi Borobudur dan Candi
Prambanan dengan masing-masing dua periode sebelumnya.
Collections
- Statistics [900]