SIC juga merupakan cara pemilihan model terbaik dengan pendekatan In Sampel. Nilai SIC semakin kecil maka model yang didapatkan semakin baik.
Persamaan SIC sebagai berikut Muis, 2008: n
SSE n
SIC
n k
= 1.12
c. MSE Mean Square Error
MSE digunakan untuk mengetahui kesalahan rata-rata kuadrat dari tiap-tiap model yang layak dengan rumus sebagai berikut Wei,1990:
1.13 dengan,
, taksiran sisa pada peramalan M = jumlah residual
Pemilihan model terbaik melalui pendekatan Out Sampel berdasarkan error adalah dengan menggunakan MAPE Mean Absolute Percentage Error. Persamaan
MAPE sebagai berikut Wei, 1990: 1.14
1.5 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk mengetahui perkiraan jumlah wisatawan asing yang berkunjung ke Pulau Samosir Sumatera Utara dengan metode
ARIMA untuk tahun 2011-2013.
1.6 Kontribusi Penelitian
1. Penulis dapat mengaplikasikan ilmu yang telah didapat di bangku perkuliahan
sehingga menunjang kesiapan untuk tujuan ke dunia kerja.
2. Dapat memberikan manfaat bagi pembaca untuk lebih mengetahui dan
memahami tentang perkiraan jumlah wisatawan asing di Pulau Samosir
menggunakan ARIMA.
∑
=
=
M 1
t 2
t
e M
1 MSE
X X
e
t t
t ∧
− =
X e
M MAPE
M t
t t
100 1
1
⎟⎟⎠ ⎞
⎜⎜⎝ ⎛
=
∑
=
Universitas Sumatera Utara
3. Sebagai bahan pertimbangan bagi Dinas pariwisata dan pelaku bisnis dalam
mengambil suatu keputusan yang tepat dan dapat mengetahui pula seberapa besar jumlah wisatawan asing di Pulau Samosir Sumatera Utara di tahun 2011-
2013.
1.7 Metodologi Penelitian
1. Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Dinas Pariwisata setempat, yakni data jumlah pengunjung wisatawan asing perbulan
dari tahun 2005 sampai dengan tahun 2009 di Pulau Samosir Sumatera Utara. 2.
Pengolahan Data
Langkah-langkah analisis yang digunakan adalah sebagai berikut: a.
Membuat plot timeseries terhadap data dan melihat kestasioneran, apakah sudah stasioner dalam mean dan varian atau belum. Jika data belum stasioner dalam
mean dilakukan pembedaan.
b. Membuat plot ACF dan PACF dari data yang sudah stasioner dalam mean
maupun varians. Kemudian dilakukan pendugaan model yang terbentuk melalui
plot ACF dan PACF yang sudah stasioner.
c. Melakukan uji kelayakan terhadap model ARIMA p, d, q yang diperoleh.
Untuk itu dilakukan penaksiran parameter berdasarkan model yang didapatkan dan melakukan uji signifikan parameter sampai memperoleh model yang
memilki taksiran nilai terbaik. Selanjutnya dilakukan pemeriksaan diagnostik
melalui pemeriksaan terhadap residual dari model yang signifikan.
d. Evaluasi terhadap model ARIMA p, d, q yang diperoleh jika model yang
dihasilkan lebih dari satu. Setelah memperoleh model ARIMA p, d, q yang sesuai, maka selanjutnya dilakukan analisis, yakni peramalan pada periode yang
akan datang.
Universitas Sumatera Utara
BAB 2 LANDASAN TEORI
