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

doi:10.24114/cess.v7i2.33959

Authors

I Gusti Ayu Agung Diatri Indradewi Universitas Pendidikan Ganesha https://orcid.org/0000-0001-7634-2208
Ni Putu Sri Mulyani Institut Bisnis dan Teknologi Indonesia
Wayan Gede Suka Parwita Institut Bisnis dan Teknologi Indonesia

DOI:

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

Keywords:

Tingkat penghunian kamar hotel, ARIMA, MSE, MAPE

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%.

References

M. I. Riadillah and A. Meiriza, œApplication 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, œBucket List Travel: The Top 50 Places In The World, Forbes, 2019.

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

Badan Pusat Statistik, œTingkat 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, œHubungan 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, œComparison 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, œComparison 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, œARIMA-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, œARIMA Model in Predicting Banking Stock Market Data, Modern Applied Science, vol. 12, no. 11, pp. 309“312, Oct. 2018.

D. A. Rezaldi and Sugiman, œPeramalan 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, œARIMA 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, œPeramalan 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, œAutoregressive 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, œPeramalan 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, œPerbandingan 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, œPeramalan 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, œEstimasi 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, œPrediksi 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, œPengaruh 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, œAnalisis Model ARIMA Box-Jenkins pada Data Fluktuasi Harga Emas, Skripsi, Universitas Islam Negeri (UIN) Maulana Malik Ibrahim, 2010.

O. Trisnawati and M. Prastuti, œPeramalan 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, œDouble 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, œPerbandingan 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.