Professional Documents
Culture Documents
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/268688030
CITATIONS READS
0 187
2 authors, including:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Analisis Determinan Tingkat Kepuasan Wisatawan Mancanegara dan Wisatawan Nusantara View
project
All content following this page was uploaded by I Putu Eka N. Kencana on 24 November 2014.
The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
Aplikasi Metode Fuzzy pada Peramalan Jumlah
Wisatawan Australia ke Bali
I Putu Eka Nila Kencana1, IBK. Puja Arimbawa K.2
1
Laboratorium Fuzzy Jurusan Matematika FMIPA UNUD, i.putu.enk@gmail.com
2
Program Studi Matematika Program Pascasarjana ITB, kemenuh.puja@gmail.com
ABSTRAK. Sebagai salah satu daerah destinasi wisata favorit di Indonesia, Bali
ramai dikunjungi para wisatawan mancanegara dari berbagai negara. Secara
konstan, jumlah wisatawan Australia yang berkunjung ke Bali menduduki peringkat
pertama. Memperhatikan sisi penawaran produk dan jasa pariwisata yang tidak bisa
disimpan dan dipindahkan serta adanya ketakpastian yang tinggi di sisi permintaan
karena pengaruh faktor internal dan eksternal destinasi, dibutuhkan adanya metode
yang bisa mengantisipasi kedua karakter tersebut. Riset ini ditujukan untuk
mengetahui kinerja Adaptive Neuro-Fuzzy Inference System (ANFIS) dan Fuzzy
Time Series (FTS) dalam meramalkan jumlah kunjungan wisatawan Australia ke
Bali.
1. Pendahuluan
Pariwisata merupakan salah satu dari sedikit industri yang perkembangannya
pada dua dasawarsa terakhir sangat pesat. World Tourism Organization (WTO)
mencatat pada periode 1996 2005, industri pariwisata dunia tumbuh sebesar 25
persen atau kurang lebih 2,5 persen per tahun dan pada penghujung tahun 2005
kontribusi industri pariwisata pada aktivitas perekonomian dunia tercatat sekitar
10 persen [1]. Terlepas dominannya peran industri pariwisata dalam aktivitas
perekonomian suatu negara dan ataupun suatu wilayah, juga berdampak pada
lingkungan alam, sosial, dan budaya dari destinasi di mana aktivitas wisata
berlangsung.
Seperti halnya terjadi di berbagai kawasan dunia, industri pariwisata juga salah
satu andalan Indonesia dalam melangsungkan pembangunan untuk mensejahtera-
kan rakyat Indonesia. Dominannya industri pariwisata dalam perekonomian
kawasan teramati khususnya pada provinsi/kabupaten di Indonesia yang secara
relatif tidak memiliki sumber daya alam (SDA) yang memadai. Provinsi Bali
Disampaikan
pada
Konferensi
Nasional
Matematika
XVII
di
Surabaya,
11
14
Juni
2014.
Dalam
proses
penerbitan
pada
Proseding
KNM
XVII
Peranan
Matematika
dan
Statistika
Menyongsong
ASEAN
Economic
Community
merupakan salah satu provinsi di Indonesia yang tidak memiliki SDA berlimpah,
khususnya minyak bumi dan gas. Memperhatikan hal ini, maka tidak mengheran-
kan industri pariwisata menjadi salah satu pilar pertumbuhan ekonomi Bali.
Kepariwisataan di Provinsi Bali berkembang seiring perkembangan kepariwi-
sataan di Indonesia. Pada awal Pembangunan Lima Tahun (PELITA) Tahap I di
tahun 1969, jumlah wisatawan yang berkunjung ke Bali tercatat sebanyak 11 278
orang dengan share pada kunjungan wisatawan ke Indonesia tercatat sebesar
13.10 persen. Selanjutnya, pada akhir PELITA V, awal tahun 1994, jumlah
kunjungan wisatawan mancanegara ke Bali dan Indonesia masing-masing tercatat
sejumlah 1 032 476 orang dan 4 006 416 orang. Pada tahun tersebut, share kun-
jungan wisatawan mancanegara ke Bali sebesar 25.77 persen; hampir 2 kali dari
share pada tahun 1969. Pada tahun 2012, share kunjungan wisatawan ke Bali
meningkat menjadi 35.95 persen dengan total kunjungan wisatawan mancanegara
sebesar 2 8912 019 orang [2].
Mencermati angka-angka di atas, tidaklah berlebihan untuk menyatakan Bali
memiliki posisi sangat strategis dalam pengembangan kepariwisataan Indonesia.
Bali dengan tradisi dan budaya masyarakatnya merupakan daya tarik kunjungan
wisatawan mancanegara. Secara rata-rata, laju perkembangan jumlah kunjungan
wisatawan mancanegara ke Bali pada periode tahun 1994 2002 sebesar 3.0
persen dan pada periode 2004 2012 sebesar 13.7 persen. Data kunjungan tahun
2003 dikeluarkan dari analisis mempertimbangkan terjadi penurunan kunjungan
wisatawan mancanegara akibat peristiwa Bom Kuta I pada tahun 2002, yang
dampaknya terlihat pada tahun berikutnya. Grafik 1 menunjukkan perkembangan
jumlah kunjungan wisatawan mancanegara ke Bali dan ke Indonesia pada periode
tahun 1994 2012:
2. Metode Penelitian
Pengembangan model-model ANFIS dan FTS dilakukan dengan menggunakan
data (bulanan) kunjungan wisatawan Australia ke Bali pada periode Januari 2008
Desember 2012. Pada setiap model yang dibangun, tingkat keakurasian model
diperiksa dengan mengamati nilai AFER yang dihitung melalui peramalan in-
sample. Model ANFIS dan model FTS yang memiliki AFER terkecil selanjutnya
digunakan untuk meramalkan kunjungan wisatawan Australia ke Bali pada
periode Januari 2013 Desember 2013 dan nilai AFER masing-masing metode
dihitung pada peramalan out-of-sample ini. Metode dengan AFER yang lebih
kecil disimpulkan memiliki keakurasian yang lebih baik dalam meramalkan
kunjungan wisatawan Australia ke Bali.
Pengembangan model-model ANFIS dilakukan dengan mengadopsi aturan
Sugeno orde 1 dengan dua masukan (input). Orde dan jumlah masukan ini dipilih
mempertimbangkan kesederhaan komputasi dan asumsi parsimony yang menyata-
kan model yang sederhana diprioritaskan bila telah mampu memberikan solusi.
Terdapat tiga himpunan (data set) dengan dua masukan dan satu luaran yang
diujicobakan pada model-model ANFIS, yaitu:
1. Set 1: {((Jan. 2008, Jan. 2009),(Jan. 2010)), , ((Des. 2008, Des. 2009),(Des. 2010))};
2. Set 2: {((Jan. 2009, Jan. 2010),(Jan. 2011)), , ((Des. 2009, Des. 2010),(Des. 2011))};
3. Set 3: {((Jan. 2010, Jan. 2011),(Jan. 2012)), , ((Des. 2010, Des. 2011),(Des. 2012))}.
Pengembangan FTS dilakukan dengan memodifikasi metode FTS yang
digunakan oleh Meredith & Stevenson [6]. Modifikasi dilakukan pada penentuan
jumlah interval dan pemberian bobot saat dilakukan proses defuzzifikasi.
Pengembangan model FTS pada riset ini dilakukan mengikuti tahapan-tahapan
berikut:
1. Menghitung persentase perubahan antardua data kunjungan yang berturutan;
2. Mendefinisikan himpunan semesta dan sub-sub himpunan;
3. Membentuk variabel linguistik dengan memasukkan nilai persentase yang
dihitung ke masing-masing interval yang bersesuaian;
4. Menghitung nilai ramalan fuzzy dengan menggunakan fungsi keanggotaan
segitiga (fuzzy triangular number/FTN);
5. Melakukan defuzzifikasi dengan memberikan pembobot bilangan Fibbonaci.
Melalui pembandingan nilai AFER ketiga model ANFIS yang dibentuk, maka
terlihat model dengan data set 3 memiliki AFER terendah, sebesar 2.51 persen.
Memperhatikan hal ini maka model ketiga digunakan untuk melakukan peramalan
out-of-sample dari kunjungan wisatawan Australia ke Bali pada periode Januari
Desember 2013. Parameter-parameter model di akhir iterasi ke 50 000 (parameter
konsekuen) digunakan sebagai parameter premis pada peramalan out-of-sample
ini dan fungsi keanggotaan yang digunakan sama seperti pada pengembangan
model yaitu fungsi gbell yang didefinisikan sebagai:
!
! = ! !!!
(1)
!!!!
!!
!!
!
MF1 (x2; -5.186, 7.915, 0.000) MF2 (x2; 0.921, 0.063, 0.000)
Gambar 2
Fungsi Keanggotaan (membership function) dari Masing-masing Masukan
4. Kesimpulan
Terdapat beberapa hal yang dapat disimpulkan dari penelitian ini, antara lain:
1. Metode ANFIS memiliki tingkat keakurasian yang lebih baik pada peramalan
out-of-sample dari kunjungan wisatawan Australia ke Bali dibandingkan
dengan metode FTS. Metode ANFIS memiliki AFER sebesar 3.02 persen,
lebih kecil dibandingkan nilai AFER metode FTS sebesar 3.94 persen;
2. Kedua metode, terbatas pada arsitektur ANFIS dan teknik fuzzifikasi yang
digunakan pada metode FTS, belum mampu memberikan nilai ramalan bulanan
yang persentase galatnya lebih rendah dari 1 persen pada seluruh bulan yang
diramalkan. Hal ini mengindikasikan bahwa kedua metode masih bisa diting-
katkan kinerjanya melalui modifikasi pada arsitektur maupun teknik fuzzifikasi
dan atau defuzzifikasi yang digunakan;
3. Penghitungan nilai ramalan dengan metode FTS yang harus dilakukan secara
manual ditutupi oleh adanya keluwesan dan alternatif dalam memilih teknik-
teknik fuzzifikasi dan atau defuzzifikasi. Hal ini berimplikasi pada besarnya
peluang penyempurnaan dari FTS yang tergolong ke dalam metode baru pada
kelompok pemodelan fuzzy.
5. Daftar Pustaka
[1] UNEP - WTO, "Making Tourism More Sustainable: A Guide for Policy
Makers," United Nations Environtment Programme and World Tourism
Organization, Paris, 2005.
[2] Dinas Pariwisata Provinsi Bali, Direktori 2012. Denpasar, 2013.
[3] HwanSuk Chris Choi and Ercan Sirakaya, "Sustainability indicators for
managing community tourism," Tourism Management, vol. 27, pp. 1275-
1289, 2006.
[4] Ike Janita Dewi, Implementasi dan Implikasi Kelembagaan: Pemasaran
Pariwisata yang Bertanggungjawab. Jakarta: Pinus Book Publisher, 2011.
[5] Haven Emmanuel, "The Use of Fuzzy Set Theory in Economics: Application
in Micro-Economics and Finance," McGill University, Montreal, PhD Thesis
1995.
[6] Meredith Stevenson and John E. Porter, "Fuzzy Time Series Forecasting
Using Percentage Change as the Universe of Discourse," World Academy of
Science, Engineering and Technology, vol. 55, pp. 154-157, 2009.
[7] Tahseen A. Jilani, S. M. Aqil Burney, and C. Ardil, "Multivariate High Order
Fuzzy Time Series Forecasting for Car Road Accidents," World Academy of
Science, Engineering and Technology, vol. 25, pp. 288-292, 2007.