Forecasting Room Occupancy Rates Based on Hotel Class in Bali Using the ARIMA Method

I Gusti Ayu Agung Diatri Indradewi, Ni Putu Sri Mulyani, Wayan Gede Suka Parwita

Abstract


Bali merupakan destinasi wisata di Indonesia yang diminati oleh wisatawan dan didukung oleh ketersediaan hotel yang memadai. Covid-19 yang melanda dunia termasuk Bali telah mengakibatkan tingkat penghunian kamar (TPK) hotel mengalami penurunan drastis. Oleh karena itu, perlu upaya untuk kembali menaikkan rata-rata TPK hotel. Salah satu langkah awal yang yang diharapkan mampu berkontribusi dalam upaya ini adalah dengan melakukan peramalan TPK hotel. Hasil peramalan dengan metode ARIMA diperoleh hasil bahwa pada hotel bintang lima, model terbaik yang diperoleh yakni model ARIMA (0,1,1) dengan MSE sebesar 39,65% dan MAPE sebesar 80,83%. Pada hotel bintang empat, model terbaik yang diperoleh yakni model ARIMA (1,0,2) dengan MSE sebesar 24,14% dan MAPE sebesar 60,14%. Pada hotel bintang tiga, model terbaik yang diperoleh yakni model ARIMA (1,0,0) dengan MSE sebesar 25,57% dan MAPE sebesar 59,11%. Pada hotel bintang dua, model terbaik yang diperoleh untuk model ARIMA (1,0,0) dengan MSE sebesar 15,15% dan MAPE sebesar 70,14%. Model ARIMA (1,0,1) pada hotel bintang dua menghasilkan MSE sebesar 13,29% dan MAPE sebesar 68,00%. Pada hotel bintang satu, model terbaik yang diperoleh yakni model ARIMA (1,0,0) dengan MSE sebesar 23,73% dan MAPE sebesar 431,12%. Model ARIMA (1,0,1) pada hotel bintang satu menghasilkan MSE sebesar 19,49% dan MAPE sebesar 555,28%.


Keywords


Tingkat penghunian kamar hotel; ARIMA; MSE; MAPE

Full Text:

PDF

References


M. I. Riadillah and A. Meiriza, “Application of the Technique forOrder Preference bySimilarity toIdeal Solution (TOPSIS) Method in Determining Tourist Destinations,” Journal of Computing Engineering, System and Science, vol. 7, no. 1, pp. 14–22, 2022.

L. B. Bloom, “Bucket List Travel: The Top 50 Places In The World,” Forbes, 2019.

E. Revida et al., Pengantar Pariwisata. Yayasan Kita Menulis, 2020.

Badan Pusat Statistik, “Tingkat Penghunian Kamar (TPK) Hotel.” https://sirusa.bps.go.id/sirusa/index.php/indikator/60 (accessed Apr. 15, 2022).

Badan Pusat Statistik Provinsi Bali, Tingkat Penghunian Kamar Akomodasi Provinsi Bali 2020. 2020.

Suwanto, “Hubungan Jumlah Kunjungan Wisatawan Mancanegara dengan Rata-Rata Tingkat Penghunian Kamar Hotel Provinsi DKI Jakarta Tahun 2012-2018,” Jurnal Kepariwisataan Indonesia, vol. 14, no. 1, pp. 9–20, Jun. 2020.

Y. Zhang, H. Yang, H. Cui, and Q. Chen, “Comparison of the Ability of ARIMA, WNN and SVM Models for Drought Forecasting in the Sanjiang Plain, China,” Natural Resources Research, vol. 29, no. 1, pp. 1447–1464, Jul. 2019.

A. Maleki, S. Nasseri, M. S. Aminabad, and M. Hadi, “Comparison of ARIMA and NNAR Models for Forecasting Water Treatment Plant’s Influent Characteristics,” KSCE Journal of Civil Engineering, vol. 22, no. 1, pp. 3233–3245, Apr. 2018.

T. Kufel, “ARIMA-based forecasting of the dynamics of confirmed Covid-19 cases for selected European countries,” Equilibrium. Quarterly Journal of Economics and Economic Policy, vol. 15, no. 2, pp. 181–204, Jun. 2020.

M. Almasarweh and A. al Wadi, “ARIMA Model in Predicting Banking Stock Market Data,” Modern Applied Science, vol. 12, no. 11, pp. 309–312, Oct. 2018.

D. A. Rezaldi and Sugiman, “Peramalan Metode ARIMA Data Saham PT. Telekomunikasi Indonesia,” Prisma, vol. 4, no. 1, pp. 611–620, 2021.

N. Shivhare, A. K. Rahul, S. B. Dwivedi, and P. K. S. Dikshit, “ARIMA based daily weather forecasting tool: A case study for Varanasi,” MAUSAM, vol. 70, no. 1, pp. 133–140, Jan. 2019.

M. As’ad, S. S. Wibowo, and E. Sophia, “Peramalan Jumlah Mahasiswa Baru dengan Model Autoregressive Integrated Moving Average (ARIMA),” Jurnal Informatika Merdeka Pasuruan, vol. 2, no. 3, pp. 20–33, 2017.

R. M. F. Lubis, Z. Situmorang, and R. Rosnelly, “Autoregressive Integrated Moving Average (ARIMA-Box Jenkins) Pada Peramalan Komoditas Cabai Merah di Indonesia,” Jurnal Media Informatika Budidarma, vol. 5, no. 2, p. 485, 2021.

S. D. Pratiwi, “Peramalan Tingkat Penghunian Tempat Tidur Hotel Bintang Tiga Kota Surakarta Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA),” Indonesian Journal of Applied Statistics, vol. 2, no. 1, 2019.

R. Rahmadayanti, B. Susilo, and D. Puspitaningrum, “Perbandingan Keakuratan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Semen di PT. Sinar Abadi,” Jurnal Informatika Rekursif, vol. 3, no. 1, 2015.

T. Yunita, “Peramalan Jumlah Penggunaan Kuota Internet Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA),” Journal of Mathematics: Theory and Applications, vol. 1, no. 2, pp. 16–22, 2019.

P. Febritasari, “Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman,” Skripsi, Institut Teknologi Sepuluh Nopember, Surabaya, 2016.

J. Lusikooy, N. Nainggolan, and J. Titaleya, “Prediksi Harga Tutup Saham PT. Garuda Indonesia,Tbk Menggunakan Metode ARIMA,” Jurnal MIPA Unsrat, vol. 6, no. 1, pp. 74–77, Feb. 2017.

A. Suprayitno, S. Rochaeni, and R. Purnomowati, “Pengaruh Faktor Budaya, Sosial, Pribadi, dan Psikologi Konsumen terhadap Keputusan Pembelian pada Restoran Gado-Gado Boplo (Studi Kasus: Restoran Gado-Gado Boplo Panglima Polim Jakarta Selatan),” Agribusiness Journal, vol. 9, no. 2, 2015.

S. Munawaroh, “Analisis Model ARIMA Box-Jenkins pada Data Fluktuasi Harga Emas,” Skripsi, Universitas Islam Negeri (UIN) Maulana Malik Ibrahim, 2010.

O. Trisnawati and M. Prastuti, “Peramalan Curah Hujan di Stasiun Juanda Menggunakan Metode ARIMA Box-Jenkins dan Radial Basis Function Neural Network,” Jurnal Sains dan Seni ITS, vol. 11, no. 2, pp. D82–D88, 2021.

P. A. S. Dharmawan and I. G. A. A. D. Indradewi, “Double exponential smoothing brown method towards sales forecasting system with a linear and non-stationary data trend,” Journal of Physics: Conference Series, vol. 1810, no. 1, 2020.

C. V. Hudiyanti, F. A. Bachtiar, and B. D. Setiawan, “Perbandingan Double Moving Average dan Double Exponential Smoothing untuk Peramalan Jumlah Kedatangan Wisatawan Mancanegara di Bandara Ngurah Rai,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, pp. 2667–2672, 2019.




DOI: https://doi.org/10.24114/cess.v7i2.33959

Article Metrics

Abstract view : 268 times
PDF - 210 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License