Peramalan Jumlah Kunjungan Wisatawan Mancanegara di Indonesia Periode Pra-Pandemi COVID-19 Menggunakan Model SARIMA

Abstract

Abstract. The number of international tourist arrivals is an important indicator in the tourism sector that needs to be forecast to support planning and policy-making. Analyzing pre-COVID-19 data is important because it represents the normal pattern of tourist arrivals without external disturbances and provides a baseline for evaluating the impact of the pandemic and developing intervention models. This study aimed to obtain the best Seasonal Autoregressive Integrated Moving Average (SARIMA) model and forecast international tourist arrivals in Indonesia. A quantitative approach was employed using secondary monthly data from January 2010 to February 2020 obtained from Statistics Indonesia (BPS). The analysis included stationarity testing, model identification using ACF and PACF plots, parameter estimation, significance testing, residual diagnostic checking, model selection based on the Akaike Information Criterion (AIC), and ten-period forecasting. The results showed that SARIMA  was the best model because all parameters were significant, the residuals satisfied the white noise and normality assumptions, and the model had the lowest AIC value. The model produced an RMSE of 71,770.53. The forecasts followed the historical seasonal pattern but could not represent actual conditions after the COVID-19 pandemic. Therefore, they provide a baseline for subsequent intervention analysis.

Abstrak. Jumlah kunjungan wisatawan mancanegara merupakan salah satu indikator penting dalam sektor pariwisata yang perlu diprediksi untuk mendukung perencanaan dan pengambilan kebijakan. Analisis terhadap data sebelum pandemi COVID-19 penting dilakukan karena dapat menggambarkan pola normal kunjungan wisatawan tanpa adanya gangguan eksternal serta menjadi baseline dalam mengevaluasi dampak pandemi dan mengembangkan model intervensi pada penelitian selanjutnya. Penelitian ini bertujuan memperoleh model Seasonal Autoregressive Integrated Moving Average terbaik serta menghasilkan peramalan jumlah kunjungan wisatawan mancanegara di Indonesia. Penelitian menggunakan metode kuantitatif dengan data sekunder berupa data bulanan jumlah kunjungan wisatawan mancanegara periode Januari 2010-Februari 2020 yang diperoleh dari Badan Pusat Statistik. Tahapan analisis meliputi identifikasi pola data, pengujian stasioneritas, identifikasi model melalui plot ACF dan PACF, estimasi parameter, pengujian signifikansi parameter, pemeriksaan diagnostik residual, pemilihan model terbaik berdasarkan nilai AIC, serta peramalan untuk 10 periode ke depan. Hasil penelitian menunjukkan model SARIMA  merupakan model terbaik karena seluruh parameternya signifikan, residual memenuhi asumsi white noise dan berdistribusi normal, serta memiliki nilai AIC terkecil. Evaluasi model menghasilkan nilai RMSE sebesar 71,770.53. Hasil peramalan menunjukkan pola musiman, namun tidak sesuai dengan kondisi aktual setelah pandemi karena adanya intervensi COVID-19. Oleh karena itu, hasil peramalan sebelum pandemi digunakan sebagai baseline untuk analisis intervensi pada penelitian selanjutnya.