34
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Identifikasi Data Deret Waktu
Pada tahap ini, yang harus dilakukan yaitu membuat plot deret waktu dari deret input yaitu kurs dan deret output yaitu jumlah kunjungan wisatawan
mancanegara ke Bali dari bulan Januari 2009 sampai Juni 2015 berdasarkan data pada Lampiran 1. Langkah ini dilakukan untuk menunjukkan secara deskriptif
bahwa data yang dianalisis adalah data berpola tren dan musiman. Hasil plot data kurs dan jumlah kunjungan wisatawan mancanegara ke Bali dapat dilihat pada
Gambar 4.1 dan Gambar 4.2.
Gambar 4.1 Plot data kurs bulan Januari 2009 sampai Juni 2015.
Gambar 4.2 Plot data jumlah kunjungan setiap bulan wisatawan mancanegara ke
Bali bulan Januari 2009 sampai Juni 2015. Berdasarkan Gambar 4.1 dan Gambar 4.2, terlihat bahwa data kurs dan
jumlah kunjungan wisatawan ke Bali mengandung tren dan musiman. Data berpola tren dilihat dari data yang cenderung meningkat setiap bulan, sedangkan pola
musiman dilihat dari data pada bulan Januari yang cenderung lebih besar pada tahun berikutnya.
Metode dekomposisi dilakukan untuk lebih memastikan bahwa data kurs dan jumlah kunjungan setiap bulan wisatawan mancanegara ke Bali berpola tren
dan musiman. Hasil dari metode dekomposisi klasik bisa dilihat pada Gambar 4.3 dan Gambar 4.4.
Gambar 4.3 Plot dekomposisi klasik data kurs bulan Januari 2009
– Juni 2015.
Gambar 4.4 Plot dekomposisi klasik data jumlah kunjungan setiap bulan
wisatawan mancanegara ke Bali bulan Januari 2009 – Juni 2015.
Plot dekomposisi deret waktu kurs dan jumlah kunjungan wisatawan mancanegara ke Bali bulan Januari 2009 sampai Juni 2015 yang ditunjukkan oleh
Gambar 4.3 dan Gambar 4.4 mengindikasikan bahwa terdapat pengaruh tren serta pengaruh musiman yang kuat pada data, sebab memiliki pola yang berulang secara
teratur. Adanya pengaruh tren dan musiman menunjukkan bahwa data deret waktu kurs dan jumlah kunjungan wisatawan mancanegara ke Bali tidak stasioner. Dari
plot ACF dan PACF terlihat jelas bahwa data kurs dan jumlah kunjungan wisatawan mancanegara ke Bali tidak stasioner.
Gambar 4.5 Plot ACF dan PACF data kurs bulan Januari 2009
– Juni 2015.
Gambar 4.6 Plot ACF dan PACF data jumlah kunjungan setiap bulan wisatawan
mancanegara ke Bali bulan Januari 2009 – Juni 2015.
Pada Gambar 4.5 dan Gambar 4.6 menunjukkan bahwa plot ACF cenderung turun lambat menuju nol, hal ini berarti bahwa pada data deret waktu nilai kurs dan
jumlah kunjungan wisatawan mancanegara ke Bali tidak stasioner dalam mean, sehingga perlu dilakukan differencing. Plot hasil differencing dapat dilihat pada
Gambar 4.7 dan Gambar 4.8.
Gambar 4.7 Plot deret waktu Kurs setelah differencing terhadap tren dan musiman
Gambar 4.8 Plot deret waktu jumlah kunjungan wisatawan mancanegara ke Bali
setelah differencing terhadap tren dan musiman
72 64
56 48
40 32
24 16
8 1
1000 750
500 250
-250 -500
Index
Plot Deret Waktu Nilai Kurs yang Stasioner
72 64
56 48
40 32
24 16
8 1
50000 25000
-25000 -50000
-75000 -100000
Index
Plot Dere t Waktu Jumlah Kunjungan Wisatawan Mancanegara yang Stasioner
Berdasarkan Gambar 4.7 dan Gambar 4.8, secara deskriptif tampak bahwa rata-rata dari data mendekati konstan. Namun secara konfirmatif untuk melihat
apakah data kurs dan jumlah kunjungan wisatawan mancanegara ke Bali hasil dari differencing tren dan differencing musiman telah stasioner dalam rata-rata
dilakukan kembali uji ADF. Nilai statistik uji ADF dapat dilihat pada Tabel 4.1 dan Tabel 4.2.
Tabel 4.1 Nilai statistik uji ADF pada Data Kurs yang Stasioner dan
t tabel pada taraf α sebesar 0,01; 0,05 dan 0,1
Tabel 4.2
Nilai statistik uji ADF pada Data Jumlah Kunjungan Wisatawan
yang Stasioner dan t tab el pada taraf α sebesar 0,01; 0,05 dan 0,1
Dari Tabel 4.1 dan Tabel 4.2 menunjukkan bahwa nilai t-statistik ADF lebih kecil dari nilai t-tabel pada tingkat 5. Hal ini dipertegas dengan probabilitas pada
tingkat 5 lebih kecil dari 0,05. Maka keputusan � ditolak. Jadi data kurs dan
jumlah kunjungan wisatawan mancanegara hasil dari differencing tren dan differencing musiman telah stasioner. Setelah kedua data deret input dan output
stasioner, selanjutnya akan dilakukan penentuan orde dan model sementara nilai kurs yang dibahas pada subbab berikut ini.
t-Statistic Prob.
Augmented Dickey-Fuller test statistic -5.624707
0.0000 Test critical values:
1 level -2.601596
5 level -1.945987
10 level -1.613496
MacKinnon 1996 one-sided p-values.
t-Statistic Prob.
Augmented Dickey-Fuller test statistic -10.06693
0.0000 Test critical values:
1 level -2.602185
5 level -1.946072
10 level -1.613448
MacKinnon 1996 one-sided p-values.
4.2 Penentuan Model ARIMA untuk Kurs
Kategori