ZAHAR, Dewangga Azharani (2024) Analisis Prediksi Data Wisatawan Mancanegara di Indonesia Maenggunakan Metode ARIMA. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.
|
Text
1. Cover.pdf Download (31kB) |
|
|
Text
2. Penyataan Keaslian.pdf Download (322kB) |
|
|
Text
3. Halaman Pengesahan.pdf Download (187kB) |
|
|
Text
4. Kata Pengantar.pdf Download (278kB) |
|
|
Text
6. Abstrak.pdf Download (6kB) |
|
|
Text
7. Abstract.pdf Download (5kB) |
|
|
Text
8. Daftar Isi.pdf Download (41kB) |
|
|
Text
11. BAB I.pdf Download (23kB) |
|
|
Text
16. Daftar Pustaka.pdf Download (142kB) |
Abstract
Analisis kunjungan wisatawan mancanegara memberikan wawasan penting dalam
memahami tren dan pola kunjungan wisatawan yang sangat berdampak pada industri
pariwisata global. Prediksi data wisatawan mancanegara yang kompleks memerlukan
metode analisis yang canggih, salah satunya adalah ARIMA (AutoRegressive Integrated
Moving Average), ARIMA mampu memodelkan dan memprediksi pola musiman serta tren
jangka panjang dalam data deret waktu. Dalam konteks ini, ARIMA dipilih karena
kemampuannya untuk menangani data non-stasioner yang umum ditemukan dalam data
kunjungan wisatawan. Penelitian ini mengusulkan penggunaan model ARIMA untuk
memprediksi data kunjungan wisatawan mancanegara, dengan hasil prediksi yang kemudian
divisualisasikan dalam sebuah website berbasis Flask. Metode ini diterapkan pada dataset
kunjungan wisatawan dari berbagai negara, dengan pengujian lima model ARIMA yang
berbeda. Hasil penelitian menunjukkan bahwa model ARIMA dengan parameter (7.2.1)
memberikan prediksi terbaik, dengan nilai MAE sebesar 74.661 dan MAPE sebesar 7,80%,
menandakan tingkat kesalahan prediksi yang rendah. Dari hasil evaluasi dapat disimpulkan
bahwa model ARIMA dengan parameter (7.2.1) mampu memberikan hasil prediksi pada
data wisatawan mancanegara dengan tingkat kesalahan yang rendah.
Kata kunci: Wisatawan Mancanegara, Model ARIMA, Website, Flask, MAE, MAPE
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | Sciences and Mathemathic |
| Divisions: | Faculty of Science and Mathematics > Department of Informatics |
| Depositing User: | Yemima Laras Sekarsari |
| Date Deposited: | 10 Feb 2026 02:00 |
| Last Modified: | 10 Feb 2026 02:00 |
| URI: | https://eprints2.undip.ac.id/id/eprint/44869 |
Actions (login required)
![]() |
View Item |
