Latar Belakang Masalah PENDAHULUAN

1

BAB I PENDAHULUAN

1.1 Latar Belakang Masalah

Menurut Badan Pusat Statistika Provinsi Bali 2014, jumlah kunjungan wisatawan mancanegara wisman ke Bali mengalami peningkatan secara signifikan selama lima tahun terakhir, dari tahun 2009 ke tahun 2013 terjadi peningkatan sebesar 893.476 wisman atau naik 37,46 persen. Berdasarkan negara asal wisman yang datang langsung ke Bali selama tahun 2013, dua negara pemasok wisman terbesar ke Bali adalah Australia sebanyak 826.385 wisman atau 25,21 persen, dan Jepang sebanyak 208.115 wisman atau 6,35 persen dari total wisman. Jumlah kunjungan wisatawan mancanegara akan terus meningkat seiring dengan bertambahnya permintaan pariwisata ke Bali. Permintaaan pariwisata dititikberatkan pada estimasi variabel-variabel yang berpengaruh terhadap jumlah kunjungan wisatawan Subanti, 2011. Menurut teori ekonomi, permintaan suatu barang merupakan fungsi dari pendapatan dan harga barang tersebut dan barang lainnya. Demikian juga halnya, permintaan pariwisata juga dipengaruhi oleh pendapatan wisatawan dan harga pariwisata Stabler, et al., 2010. Dengan kata lain, permintaan pariwisata ke Bali adalah jumlah total dari wisatawan yang melakukan perjalanan wisata ke Bali. Salah satu metode yang dapat digunakan untuk memeriksa pengaruh pendapatan wisatawan dan harga pariwisata terhadap permintaan pariwisata adalah model Vector Autoregressive VAR. Model VAR diperkenalkan oleh Sims pada 2 tahun 1980. Menurut Sims 1980, variabel-variabel yang diamati tersebut perlu diberi perlakuan yang sama jika memang terdapat hubungan simultan antarvariabel, sehingga tidak ada lagi variabel endogen dan eksogen. Model VAR digunakan karena diduga perilaku suatu variabel saat ini bukan hanya dipengaruhi oleh perilaku dirinya sendiri pada masa lampau namun juga oleh variabel lainnya dengan pengaruh tersebut tidak seketika namun dibutuhkan tenggang waktu atau time lag. Menurut Gujarati 2004, p. 853, keunggulan-keunggulan dari model VAR antara lain: pertama, bentuk model yang sederhana, semua variabel pada model VAR dapat dianggap sebagai variabel endogen; kedua, estimasi model VAR menggunakan Metode Kuadrat terkecil MKT pada setiap persamaan secara terpisah; dan ketiga, ketepatan peramalan forecast dari model VAR lebih baik dibandingkan model dengan persamaan simultan yang kompleks. Model dengan persamaan simultan yang kompleks adalah sebuah model yang terdiri dari beberapa persamaan yang melibatkan variabel endogen, eksogen, atau gabungan keduanya. Salah satu kelemahan model VAR adalah estimasi modelnya hanya dapat digunakan pada data yang stasioner dan tidak berkointegrasi atau hubungan jangka panjang Hill, et al., 2012, p. 498. Variabel permintaan pariwisata, pendapatan wisatawan dan harga pariwisata merupakan variabel-variabel runtun waktu yang bersifat nonstasioner dan diduga adanya kemungkinan berkointegrasi, sehingga model VAR kurang cocok untuk digunakan. Analisis yang lebih layak digunakan untuk variabel pendapatan wisatawan dan harga pariwisata yang mempunyai sifat nonstationer dan adanya kointegrasi adalah Vector Error Correction Model VECM. Pada penelitian ini VECM digunakan untuk melihat keseimbangan 3 jangka pendek pada variabel pendapatan wisatawan dan harga pariwisata terhadap permintaan pariwisata. Penelitian sebelumnya dengan menggunakan VECM dilakukan oleh Megayana 2014 yang mengevaluasi pengaruh inflasi dan nilai tukar terhadap volume perdagangan saham. Berdasarkan hasil penelitian diperoleh bahwa dalam jangka panjang maupun pendek, variabel inflasi memberikan pengaruh yang negatif terhadap volume perdagangan saham. Untuk variabel nilai tukar, dalam jangka panjang memberikan pengaruh positif terhadap volume perdagangan saham, sedangkan dalam jangka pendek memberikan pengaruh negatif terhadap volume perdagangan saham. Berdasarkan latar belakang tersebut, penulis tertarik untuk menganalisa hubugan pendapatan wisatawan dan harga pariwisata sebagai variabel-variabel independen terhadap permintaan pariwisata sebagai variabel dependen, dengan menggunakan Vector Error Correlation Model VECM.

1.2 Rumusan Masalah