Dinas Pariwisata Kota Batu

BAB IPENDAHULUAN

1.1 Latar BelakangPariwisata merupakan sector penting dari pembangunan

ekonomi karena kepariwisataan sangat erat kaitannya dengan semua sector ekonomi, sehingga banyak memberikan kontribusi penting bagi perekonomian Kota Wisata Batu, Jawa Timur dan Indonesia pada umumnya. Dampak positif yang mampu diberikan sector pariwisata dalam upaya memberikan sumbangan terhadap penerimaan devisa, meningkatkan pendapatan bagi pemerintah pusat, daerah dan masyarakat serta sebagai wahana bagi masyarakat untuk menumbuhkan rasa cinta tanah air, dan memperkokoh rasa persatuan dan kesatuan sekaligus pengenalan budaya Indonesia.

Dalam era globalisasi dan pasar bebas ini, sector pariwisata dituntut mampu bersaing dan berkesinambungan di taraf internasional.Pemerintah dalam upaya meningkatkan kunjungan wisatawan diperlukan intensitas promosi dan komunikasi dengan pangsa pasar teridentifikasi dan disertai dengan peningkatan kualitas kualitas produk kepariwisataan. Upaya tersebut harus diawali dengan proses perencanaan berdasarkan informasi atau data kuantitatif maupun kualitatif yang memadai, sehingga perencanaan berlangsung secara bertahap dan mencapai sasarn secara optimal.

Kestabilan pertumbuhan dan perkembangan kepariwisataan di Kota Wisata Batu sampai tahun 2011 menunjukkan angka yang cenderung positif. Kondisi ini dikarenakan makin meningkatnya kesadaran dan kepedulian dari kalangan pelaku pariwisata (stake holders) khususnya Pemerintah Kota, dunia usaha serta masyarakat pemerhati pariwisata seperti pers, lembaga pendidikan, lembaga swadaya masyarakat dan lain sebagainya.

Iklim kompetisi yang semakin ketat dan globalisasi memang membutuhkan tenaga kerja yang memiliki ketahanan mental, tanggap terhadap lingkungan, berwawasan luas, dan sekaligus kemampuan beradaptasi yang tinggi menghadapi berbagai perubahan cepat yang terjadi. Oleh karena itu, jurusan Statistika FMIPA ITS

1

2

harusmelakukan evaluasi diri berupa peningkatan sustainability dengan menjalin kerjasama dalam aktifitas akademis dengan berbagai pihak baik pemerintah, industri, maupun swasta dalam penelitian bersama, konsultasi, dan pendampingan umum. Menyadari akan pentingnya hal tersebut, maka pada kurikulum jurusan Statistika FMIPA ITS terdapat mata kuliah wajib yaitu Kerja praktek dengan bobot dua sks yang bertujuan agar mahasiswa mampu merumuskan masalah praktis ke dalam model Statistik dan mampu menerapkan metode Statistika untuk menyelesaikan masalah tersebut.

Perkembangan pariwisata di Indonesia yang semakin pesat sekarang ini telah menjadi primadona bahkan menjadi sumber mata pencaharian utama bagi pengusaha-pengusaha di Indonesia.Awal mulanya sebelum adanya sektor pariwisata yang menjadi sumber primer adalah sektor pertanian dan pertambangan, lalu sumber secunder adalah sektor industri, dan yang menjadi sumber tersier adalah sektor perdagangan, hotel, restaurant, dan pariwisata. Di sekitar tahun 1975 sektor pertanian dan perdagangan yang awalnya sekitar 42% menurun hingga 15%, pada sektor industri awalnya 12% meningkat hingga 28%, dan pada sektor pariwisata yang mulanya 5% meningkat menjadi 30%. Kota Batu merupakan salah satu Kota yang sedang berkontribusi dalam sektor pariwisatanya di Provinsi Jawa Timur ini. Banyak diketahui bahwa di Kota Batu terdapat banyak tempat wisata yang dapat dikunjungi, sehingga makin banyak pula pengusaha-pengusaha membangun hotel dan restaurant demi meningkatkan kualitas sektor pariwisata di Kota Batu tersebut.

1.2 TujuanKerja praktek mahasiswa Jurusan Statistika FMIPA ITS mempunyai tujuan:

1.2.1 Tujuan Umum1 Memperoleh gambaran nyata dari penerapan ilmu atau teori

statistika yang selama ini diperoleh pada bangku kuliah dan membandingkannya dengan kondisi nyata yang ada di lapangan pekerjaan.

3

2 Memperoleh tambahan pengetahuan dan pengalaman serta mampu berpikir lebih luas mengenai disiplin ilmu dan waktu.

3 Memperkaya perbendaharaan pengetahuan dan referensi data-data yang dapat digunakan untuk membantu penyusunan Tugas Akhir sesuai dengan bidang minat yang dipilih.

4 Melatih mahasiswa berpikir secara kritis, praktis dan sistematis dalam menghadapi suatu persoalan nyata di lapangan pekerjaan sebenarnya.

5 Mengetahui relasi antara variabel-variabel kependudukan, ekonomi, dan pariwisata di Kota Batu.

1.2.2 Tujuan KhususMahasiswa yang bersangkutan akan merasakan situasi nyata

kondisi lapangan pekerjaan yang sebenarnya, dalam kerja praktek ini mahasiswa dihadapkan dengan kondisi data mentah (primer) dan Mahasiswa dilatih untuk lebih siap mental dan fisik untuk menghadapi tantangan nyata di dunia kerja ketika mereka lulus kuliah.

1.3 ManfaatKerja Praktek mahasiswa Jurusan Statistika FMIPA ITS

mempunyai manfaat sebagai berikut.1.3.1 Manfaat Bagi Dinas Pariwisata dan Kebudayaan Kota

Batu-Malang, Jawa Timur.Adanya kerja sama secara langsung antaraDinas Pariwisata

dan Kebudayaan Kota Batu-Malang, Jawa Timurdengan dunia pendidikan dan memberikan pengetahuan tentang bagaimana mengolah dan menganalisis data dengan tepat. Salah satunya data yang dapat dianalisis adalah data mengenai tempat wisata, hotel dan restaurant yang ada di Kota Batu.1.3.2 Manfaat Bagi Mahasiswa

Kerja Praktek yang dilakukan dapat memberikan pengalaman dan pengetahuan tentang realita lapangan kerja serta mampu mengaplikasikan ilmu teori statistika dalam bentuk nyata.

4

1.3.3 Manfaat Bagi Institut Teknologi Sepuluh Nopember (ITS)

Mampu menghasilkan lulusan yang profesional dalam bidang yang dikuasai dan dapat menjalin kerjasama yang baik antara lingkungan akademis dengan dunia kerja serta instansi pemerintah atau perusahaan yang bersangkutan.

BAB IIGAMBARAN UMUM INSTANSI

2.1 Visi dan Misi Dinas Pariwisata dan Kebudayaan Kota BatuVisi Dinas Pariwisata dan Kebudayaan Kota Batu adalah

terwujudnya Kota Wisata Batu sebagai kota kepariwisataan Internasional.

Untuk mewujudkan visi dengan substansi yang telah dijelaskan diatas, maka Misi Dinas Pariwisata dan Kebudayaan Kota Batu adalah sebagai berikut:

1. Meningkatkan kualitas dan kuantitas produk pariwisata yang berwawasan lingkungan

2. Meningkatkan SDM yang berkompetensi yang mampu bersaing di tingkat global

3. Mengembangkan desa/kelurahan menjadi desa wisata yang berbasis potensi dan masyarakat

4. Membangun hubungan kerjasama yang baik dengan stakeholders pariwisata baik di tingkat regional, nacional dan internacional

5. Melakukan promosi pariwisata secara kontinyu, nacional maupun internacional

2.2 Tugas dan Fungsi Dinas Pariwisata dan Kebudayaan Kota BatuAdapun tugas dan fungsi Dinas Pariwisata dan Kebudayaan

terangkum dalam kegiatan kerja masing-masing bidang sebagai berikut:1. Kepala Dinas

a. Perumusan kebijakan, pengendalian, pengevaluasian rencana strategis dan rencana kerja di bidang pariwisata dan kebudayaan.

5

6

b. Perumusan dan penetapan Standar Operasional Prosedur (SOP), target capaian Standar Pelayanan Minimal (SPM), Standar Pelayanan Publik (SPP), dan Indeks Kepuasan Masyarakat (IKM)

c. Perencanaan dan pengendalian anggaran dan administrasi Dinas

d. Pembinaan pengembangan produk, promosi dan pemasaran pariwisata

e. Pembinaan pengembangan sumber daya manusia, kebudayaan, tradisi, perfilman, kesenian, sejarah dan purbakala

f. Penilaian dan pengendalian terhadap pelaksanaan program dan kegiatan

2. Sekretariata. Pengendalian urusan ketatalaksanaan dan ketatausahaan

Dinas b. Pengendalian laporan Akuntabilitas Kinerja Instansi

Pemerintah (LAKIP) Dinasc. Pengendalian data informasi hasil kegiatan Dinas dan

informasi lainnya terkait layanan publik secara berkala memalui website Pemerintahan Daerah

d. Pengendalian Estándar Operasional Prosedur (SOP), target capaian Estándar Pelayanan Minimal (SPM), Estándar Pelayanan Publik (SPP), dan Indeks Kepuasan Masyarakat (IKM)

3. Bidang Pengembangan Produk Pariwisataa. Penyusunan pedoman teknis program kegiatan

pengembangan produk pariwisatab. Pembinaan potensi usaha kepariwisataan, sarana pariwisata,

usaha jasa pariwisata dan objek serta daya tarik wisatac. Pengkajian rekomendasi ijin di bidang pengembangan usaha

sarana pariwisata, usaha jasa pariwisata, objek dan daya tarik wisata serta rekreasi dan hiburan umum

7

d. Pelaksanaan kerja sama dengan instansi terkait di bidang usaha sarana pariwisata, usaha jasa pariwisata, objek dan daya tarik wisata serta rekreasi dan hiburan umum

4. Bidang Promosi dan Pemasaran Pariwisataa. Penyusunan pedoman teknis operasional kegiatan promosi,

pemasaran, dan kerja sama kebudayaan dan pariwisatab. .Perumusan Rencana Induk Pengembangan pariwisata

(RIPP) skala daerahc. Pembinaan pengembangan sistem informasi pariwisata,

pameran kebudayaan dan pariwisatad. Pengkajian kerja sama internasional pengembangan destinasi

wisatae. Pengendalian pusat pelayanan informasi pariwisata dan

perumusan branding (merek) dan tagline (slogan) pariwisata5. Bidang Pengembangan Sumber Daya Manusia

a. Pembinaan pengembangan sumber daya manusia pariwisatab. Penyusunan standardisasi kompetensi profesi di bidang

pariwisata dan teknis kerja sama dengan instansi terkait di bidang pengembangan sumber daya manusia pariwisata

c. Pelaksanaan pemberdayaan masyarakat dalam pengembangan usaha pariwisata

6. Bidang Kebudayaana. Penyusunan teknis kerja sama regional, nasional dan

internasional di bidang kebudayaan, kepurbakalaan, nilai tradisional, kesenian, perfilman dan sejarah

b. Pembinaan inventarisasi dan dokumentasi di bidang kebudayaan. Kepurbakalaan, nilai tradisional, kesenian, perfilman dan sejarah

c. Pengendalian perawatan dan pengamanan aset/benda kesenian, Benda cagar Budaya (BCB) dan situs warisan budaya

8

2.3 Rencana Program Dinas Sebagai upaya implementasi strategi Dinas Pariwisata dan

Kebudayaan Kota Batu, ditetapkan program kerja operasional yang disesuaikan dengan program pembangunan kepariwisataan di Kota Wisata Batu sebagai berikut:

Peningkatan pembangunan sarana dan prasara pariwisata Pengembangan jenis dan paket wisata unggulan Pembinaan & pengembangan paket wisata Pelaksanaan koordinasi pembangunan objek pariwisata

dengan lembaga/dunia usaha Pelaksanaan koordinasi dengan PHRI/pengelola pelaku

usaha pariwisata Pengembangan SDM di bidang kebudayaan dan pariwisata

bekerjasama dengan lembaga lainnya Penignkatan peran serta masyarakat dalam pengembangan

kemitraan pariwisata

9

2.4 Struktur Organisasi Dinas

10

(Halaman Ini Sengaja Dikosongkan)

BAB IIIPELAKSANAAN KERJA PRAKTEK

3.1 Waktu dan Tempat Pelaksanaan Kerja PraktekKerja praktek dilaksanakan di Dinas Pariwisata Dan

Kebudayaan Kota Batu, Jl. Sultan Agung No 7B, Kota Batu. Kerja praktek akan dilaksanakan selama 4 minggu 3 hari yaitu pada tanggal 16 Juni-16 Juli 2014. Dengan pelaksanaan kerja praktek (menyelesaikan tugas khusus dari instansi) yaitu berupa survey Data Ketenagakerjaan Bidang Pariwisata Perhotelan yang dilakukan oleh Dinas Pariwisata dan Kebudayaan Kota Batu.

Adapun kegiatan yang dilakukan selama kerja praktek di Dinas Pariwisata dan Kebudayaan Kota Batuadalah sebagai berikut :

Tabel 3.1Jadwal Kegiatan Kerja Praktek

No Tanggal Kegiatan

1 16 Juni 2014Meminta data kunjungan wisata, hotel dan restaurant di Pusat Informasi Alun-alun Kota Wisata Batu

217 Juni 2014 - 20

juni 2014

Apel Pagi di Dinas Pariwisata dan Kebudayaan lalu menyerahkan form data tenaga kerja dari Dinas Pariwisata kepada HRD/Manager setiap hotel/penginapan di Kota Batu

3 23 Juni 2014Mengambil form data tenaga kerja di setiap hotel di Kota Batu

424 Juni 2014 - 26

Juni 2014

Apel Pagi di Dinas Pariwisata dan Kebudayaan lalu mengambil form data tenaga kerja di setiap hotel/penginapan di Kota Batu



11

12

No Tanggal Kegiatan

701 Juli 2014 - 02

Juli 2014Mengambil form data tenaga kerja di setiap hotel di Kota Batu

803 Juli 2014 - 04

Juli 2014Izin (Kegiatan ekivalensi di Jurusan Statistika ITS)

9 07 juli 2014Menginputkan data tenaga kerja dan membuat laporan untuk Dinas Pariwisata

1008 Juli 2014 - 09

Juli 2014

Membuat laporan database tenaga kerja hotel di Kota Batu untuk Dinas Pariwisata Kota Batu, Jawa Timur

11 10 Juli 2014Revisi dan finishing buku laporan database tenaga kerja hotel di Kota Batu untuk dinas Pariwisata Kota Batu, Jawa Timur

12 11 juli 2014Penyerahan buku laporan database tenaga kerja hotel kepada Dinas Pariwisata dan Kebudayaan Kota Batu

3.2 Metodologi Penyelesaian Tugas KhususMetode yang akan digunakan dalam penyusunan laporan

Kerja Praktek di Dinas Pariwisata dan Kebudayaan Kota Batu adalah sebagai berikut.3.2.1 Statistika deskriptif

Analisis deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga menjadi informasi yang berguna (Walpole, 1995).Analisis deskriptif juga dapat diartikan sebagai suatu analisis yang digunakan untuk menggambarkan atau mendeskripsikan karakteristik dan pola data, dalam hal ini berkaitan dengan data tingkat hunian kamar (room occupancy) pada hotel berbintang dan hotel melati yang ada di Kota Batu, Jawa Timur.Analisis tersebut meliputi perhitungan nilai rata-

13

rata, nilai maksimum, nilai minimum, varians dan pola data yang disajikan dalam bentuk grafik.

1. Rata-rata (Mean)Nilai rata-rata adalah nilai jumlah keseluruhan data dibagi dengan banyaknya data. Rumus untuk menghitung nilai rata-rata adalah sebagai berikut,

X=∑i=1

n

xi

n (3.1)Keterangan :xi:data ke-in : banyak data

2. Nilai Maksimum dan MinimumNilai maksimum adalah nilai terbesar dari data, sedangkan nilai minimum adalah nilai terkecil dari data

3. VariansVarians adalah rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya.Dalam penellitian ini menggunakan varians sampel, varians sampel adalah deviasi kuadrat dari setiap data rata-rata hitung terhadap semua data dalam sampel.Fungsinya untuk mengetahui tingkat penyebaran atau variasi data.

4. Grafik Batang (Bar Chart)Grafik batang adalah grafik yang digunakan untuk menggambarkan data atau informasi pada periode tertentu, serta membandingkan antar item / batang.Bagan dengan bar persegi panjang dengan panjang sebanding dengan nilai-nilai yang meereka wakili. Bar bisa di plot secara vertical maupun horizontal yang menunjukkan perbandingan antar kategori.

3.2.2 Metode Peramalan (Time Series)Deret Waktu (Time series) adalah serangkaian penga-matan

terhadap suatu variabel yang diambil dari waktu ke-waktu dan dicatat secara berurutan menurut urutan waktu kejadiannya dengan

14

interval waktu yang tetap (Wei, 1990). Time series dapat juga diartikan sebagai serangkaian data yang didapatkan berdasar-kan pengamatan dari suatu kejadian pada urutan waktu terjadinya. Waktu kejadian bisa merupakan periode dalam satuan detik, menit, jam, hari, bulan, tahun dan periode waktu yang lainnya, se-muanya itu merupakan serangkaian data pengamatan yang dida-sarkan pada waktu kejadian dengan interval waktu tertentu yang lebih dikenal dengan time series (Cryer, 1986), dimana setiap pengamatan dinyatakan sebagai variabel random Zt yang didapat-kan berdasarkan indeks waktu tertentu (ti) sebagai urutan waktu pengamatan, sehingga penulisan data time series adalah Zt1, Zt2, Zt3, …, Ztn. Dalam metode time series ada beberapa hal yang per-lu diperhatikan, yaitu kestasioneran data, fungsi autokorelasi dan fungsi autokorelasi parsial.

Stasioneritas time series merupakan suatu keadaan jika proses pembangkitan yang mendasari suatu deret berkala didasarkan pada nilai tengah konstan dan nilai varians konstan (Makridakis, Wheelwright, McGee, 1999). Dalam suatu data kemungkinan data tersebut tidak stationer hal ini dikarenakan mean tidak konstan atau variansnya tidak konstan sehingga Untuk menghilangkan ketidakstasioneran terhadap mean, maka data tersebut dapat dibuat lebih mendekati stasioner dengan cara melakukan penggunaan metode pembedaan atau differencing (Makridakis, Wheelwright, McGee, 1999).

Y t=Z t−Zt−1(3.2)

Dan jika tidak stasioner dalam varians, maka dapat distabilkan dengan menggunakan transformasi.Berikut adalah

tranformasi Box-Cox (Wei, 1990) untuk beberapa nilai λ yang sering digunakan.

15

Tabel 3.2 Transformasi Box-Cox

Nilai Transformasi

estimasi

-1,0 1/ Zt

-0,5 1/ Zt

0,0 Ln Zt

0,5 Zt

1 Zt (tidak ada transformasi)(Sumber : Wei, 1990)

Autocorrelation Function (ACF) merupakan suatu proses korelasi pada data time series antara Zt dengan Zt+k. Plot ACF dapat digunakan untuk identifikasi model pada data time series dan melihat kestasioneran data, terutama pada kestasioneran dalam mean. Fungsi autokovarians dapat dituliskan sebagai berikut:

γ k=cov ( Z t , Z t +k)=E( Z t−μ )( Z t+k−μ)(3.3)

dan fungsi autokorelasi antara Zt dan Zt+k adalah :

ρk=cov ( Z t , Z t+k )

√var (Z t )√var( Z t+k )

(3.4)Sampel pengambilan data pada time series untuk fungsi autokorelasi dapat dituliskan sebagai berikut : (Wei, 1990)

ρk=

(Z t−Z )t=1

n−k

(Z t+k−Z )

(Z tt−1

n

−Z )2

untuk k = 0,1,2,3 (3.5)Plot fungsi autokorelasi parsial digunakan sebagai alat untuk mengukur tingkat keeratan antara Zt dan Zt+k dan apabila terjadi pengaruh dari lag time 1,2,3,…, dan seterusnya sampai k = 1 dianggap terpisah. Fungsi autokorelasi parsial dapat dituliskan sebagai berikut:

16

φ kk=corr (Z t , Z t+k lZ t+1 , Z t +2 ,. . , Z t+k−1) (3.6)

Dimana :φ kj=φk−1, k− j , untuk j=1,2,…,k-1

1. Model Time SeriesProses pada time series secara umum memiliki

beberapamodel, diantaranya Model AR (Autoregressive), MA (Moving Average), Model campuran ARMA (Autoregressive Moving Average), ARIMA (Autoregressive Integrated Moving Average), dan model SARIMA (Seasonal Autoregressive Integrated Moving Average). (Makridakis, Wheelwright, McGee, 1999).

Model AR (Autoregressive) pada orde p menyatakan bah-wa suatu model dimana pengamatan pada waktu ke- t berhubung-an linear dengan pengamatan waktu sebelumnya t-1, t-2, t-p. Ben-tuk fungsi persamaan untuk model AR pada orde p adalah (Wei, 1990) :Z t=φ1 Z t−1+φ 2Zt−2+ .. .+φ pZt−p+atModel AR pada orde 1 yaitu :Z t=φ1 Z t−1+atModel AR pada orde 2 yaitu :Z t=φ1 Z t−1+φ 2Zt−2+atModel MA (Moving Average) pada orde q menyatakan bahwa suatu model yang merupakan suatu penyimpangan pengamatan masa lalu dengan pengamatan waktu ke-t. Bentuk fungsi persamaan untuk model MA pada orde (q) adalah (Wei,1990):Z t=at−φ 1at −1−φ 2at−2−. .−φqat−qModel MA pada orde 1 yaitu :Z t=at−φ 1at −1Model MA pada orde 2 yaitu :

Z t=(1−φ 1B−φ 2 B2 )atModel ARMA merupakan model gabungan antara model

AR (autoregressive) dengan MA (Moving Average) yang kadang ditulis dengan notasi ARMA (p,q). Bentuk fungsi model ARMA pada orde p dan q adalah :

17

Z t=φ 1Z t−1+. .+φ pZ t−p+at−φ 1at −1−. .−φq at−q(3.7)

Model ARMA (1,1) pada orde p=1 dan q=1 yaitu :Z t=φ 1 Z t−1+at−φ1 at−1

(3.8)Model ARIMA (p, d, q) yang dikenalkan oleh Box dan

Jenkins dengan orde p sebagai operator dari AR, orde d merupakan differencing, dan orde q sebagai operator dari MA. Model ini digunakan untuk data time series yang telah di differencing atau sudah stasioner dalam mean, dimana d adalahbanyaknya hasil differencing, bentuk persamaan untuk model ARIMA adalah (Wei, 1990) :

φ p( B )(1−B )d Z t=θ0+θq (B )at

Fungsi orde (p) untuk operator dari AR yang telah stasioner:

φ p( B )=(1−φ 1B−.. .−φ p Bp

Fungsi dari orde (p) untuk operator MA yang telah stasioner :

θq( B)=(1−θ1 B−θ2 B2−..−θq Bq )Model ini dinotasikan dengan ARIMA (p,d,q) (P,D,Q)S yang

mempunyai faktor musiman dalam pengamatan waktu ke-t. Bentuk fungsi perssamaan model ARIMA musiman adalah :

φ p( B s)φ p( B )(1−B )D Z t=θq ( B)ΘQ( Bs )at (3.9)Dimana :P = orde P pada koefisien komponen AR musiman p = orde p pada koefisien komponen ARQ = orde Q pada koefisien komponen MA Musimanφ

q = orde q pada koefisien komponen MA

2. Identifikasi Model ARIMA Box-Jenkins dan Pemeriksaan ParameterIdentifikasi model ARIMA Box-Jenkins dapat dijadikan

sebagai langkah dalam mengidentifikasi adanya ketidakstasioneran model. Bila tidak stasioner dalam mean maka harus di differencing dan jika tidak stasioner dalam varians maka harus di transformasi

18

Box Cox, kemudian setelah data sudah stasioner dalam mean dan varian maka selanjutnya membuat plot ACF dan PACF yang digunakan untuk mengidentifikasi model awal ARIMA jika data sudah stasiner dalam means dan varians.

Tabel 3.3 Kriteria ACF dan PACF pada model ARIMA

Proses ACF PACF

AR (p) Tails off menurun mengikuti bentuk eksponensial atau gelombang sinus

Cut off setelah lag ke-p

MA (q) Cut off setelah lag ke-q Tails off menurun mengikuti bentuk eksponensial atau gelombang sinus

ARMA (p,q) Tails off setelah lag (q-p)

Tails off setelah lag (p-q)

Penaksiran parameter dilakukan dengan tujuan untuk menentukan apakah parameter model sudah layak masuk kedalam

model. Secara umum, misal θ adalah suatu parameter dan θ¿̂

¿ adalah

nilai taksiran dari parameter tersebut, serta SE(θ¿̂

¿ ) adalahstandart error dasi nilai taksiran θ , maka uji kesignifikanan parameter dapat dilakukan sebagai berikut :Hipotesis :

H0 :θ = 0 (parameter tidak signifikan) H1 : θ≠ 0 (parameter signifikan)Statistik Uji :

thitung=θ¿̂

SE(θ¿̂)

¿¿

(3.10)

Daerah Kritis :

19

Tolak H0 jika P_value < atau lthitungl>t(1-α/2);df = n-np, dimana np = banyaknya parameter

3. Pengujian Asumsi ResidualUntuk mendapatkan model yang baik setelah model

memiliki parameter yang signifikan selanjutnya melakukan peng-ujian terhadap residualnya yaitu melakukan pengujian apakah residual white noise dan residual berdistribusi normal.

Residual ( at) yang white noise (residual independen dan identik) harus berupa variabel random. Uji yang digunakan untuk asumsi white noise adalah uji Ljung-Box (Wei, 1990). Dimana uji ini bertujuan untuk menguji residual memenuhi asumsi whitenoise digunakan uji sebagai berikut :Hipotesis:

H0 :ρ1=ρ2=. .=ρk=0

(residual memenuhi asumsi white noise)

H1 : minimal ada satu ρi≠0

, untuk i=1,2,..,k (residual tidak white noise)Statistik Uji:

Q=n(n+2 )(n−k )−1

ρ¿̂ k2

k=1

K

¿(3.11)

Dimana :

ρ¿̂ k

¿adalah taksiran autokorelasi residual lag k

Daerah kritis : tolak H0 jika Q> χ2 (1−α )df −K −p−q , dimana nilai p dan q adalah orde dari ARMA(p,q).

Untuk mengetahui bahwa data memenuhi asumsi distribusi normal, maka dilakukan uji yaitu Uji Kolmogorov Smirnov (Daniel, 1989), untuk menguji residual berdistribusi normal digunakan uji sebagai berikut:Hipotesis :H0 : F (x) = F0 (x) (residual berdistribusi normal)H1 : F (x) F0 (x) (residual tidak berdistribusi normal)

20

Statistik uji :D=sup|S ( x ) - F0 (x )| (3.12)Dimana :S (x) = fungsi peluang kumulatif yang dihitung dari data sampel. F0(x) = fungsi peluang kumulatif distribusi yang dihipotesiskan. F (x) = fungsi distribusi yang belum diketahuiSup = nilai supermum semua x dari |S(x) – F0 (x)| Daerah Kritis :Tolak H0 jika Dhitung>D(1- , n), atau nilai P-value < α

4. Pemilihan Model TerbaikPemilihan model terbaik atau seleksi model dilakukan jika

terdapat lebih dari satu model time series yang layak dipakai yaitu dengan menggunakan dua pendekatan diantaranya pendekatan In Sampel dan pendekatan Out Sampel. Pendekatan In Sampel dapat dilakukan berdasarkan nilai MSE sedangkan pendekatan Out Sampel menggunakan MAPE.

MSE (Mean Square Error)MSE (Mean Square Error) digunakan untuk mengetahui kesalahan rata-rata kuadrat dari tiap-tiap model yang layak dengan rumus sebagai berikut:

MSE=∑ e

i2

n=∑ ( X i−F i)

2

n MAPE (Mean Absolute Percentage Error)MAPE (Mean Absolute Percentage Error) dihitung dengan menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode itu dengan rumus sebagai berikut:

MAPE=∑

|ei2|

X i

x100 %

n=∑

|X i−F i|X i

x100 %

n

21

3.1

22

BAB IVHASIL KERJA PRAKTEK

Tujuan dari kerja praktek terdapat dua macam yaitu tujuan umum dan tujuan khusus, di mana tujuan umum disini membantu Dinas Pariwisata melakukan survey ketenagakerjaan hotel di Kota Batu dan tujuan khusus untuk mengetahui dan meramalkan data penghunian kamar (room occupancy) hotel di Kota Batu.

4.1 Deskripsi Kota BatuKota Batu merupakan salah satu kota yang sedang

berkembang pesat di Indonesia dalam sektor pariwisatanya. Perkembangan ini telah berlangsung dari awal tahun 2000an hingga sekarang. Pemandian selecta, Kusuma Agro Wisata, Jatim Park 1, Air Panas Cangar, Pemandian Songgoriti, dan Wisata Petik Apel merupakan pariwisata-pariwisata yang menjadi awal terbentuknya kota wisata Batu. Di tahun 2009 terbangun BNS yang menjadi pendongkrak wisata di kota ini. BNS merupakan salah satu wisata yang cukup terkenal akan wisata malamnya. Wisata ini berisi permainan-permainan yang memanjakan baik anak-anak, remaja, dewasa maupun orang tua.Pemandangan malam yang indah di malam hari merupakan keunggulannya. Di tahun 2010 banyak daerah tujuan wisata yang dikembangkan, yaitu Museum Satwa, Coban Talun, Coban Rais, Kampoeng Kidz, tempat-tempat rafting dan outbond lainnya. Semakin berkembangnya daerah tujuan wisata di setiap tahunnya, menjadikan semakin banyak pengusaha berlomba-lomba untuk mendirikan penginapan/hotel baik kelas berbintang maupun kelas melati. Berdasarkan BPS kota Batu, di tahun 2010 banyak hotel atau penginapan yang baru berdiri, yaitu De Daunan, Hotel Graha Bunga, Losmen Jaya, Hotel Filadelfia, Hotel Batu Paradise, dan Hotel Pohon Inn. Untuk di tahun 2011 hanya Hotel Batu Suki Resort yang baru berdiri. Untuk lebih jelas tentang hotel dalam kepariwisataan di kota Batu dapat dijelaskan pada berikut ini.

4.2 Ketenagakerjaan di Bidang Pariwisata Perhotelan di Kota BatuPembangunan hotel di Kota Batu dalam 2 tahun terakhir ini

berlangsung pesat dan hal itu ditandai dengan berdirinya hotel-hotel berbintang baru di Kota Batu.Semakin banyaknya hotel yang berdiri di Kota Batu tentunya membutuhkan tenaga kerja terdidik yang semakin banyak untuk bidang pariwisata perhotelan tersebut.Struktur umur penduduk Kota Batu cenderung mengarah pada kelompok berusia muda, yang berarti bahwa kemungkinan besar tenaga kerja di Kota Batu baik di bidang pariwisata maupun perhotelan. Hal tersebut erat kaitannya dan berbanding lurus dengan hasil survey yang telah dilakukan dari Dinas Pariwisata kepada semua hotel yang ada di Kota Batu bahwa sebagian besar tenaga kerja di setiap hotel di Kota Batu memiliki tingkat pendidikan SMA/Sederajat dengan program studi umum, sedangkan untuk tenaga kerja dengan tingkat pendidikan SMA/Sederajat dengan program studi kejuruan pariwisata masih sangat sedikit apalagi pada tingkat-tingkat pendidikan diploma dan strata. Namun tak sedikit pula tenaga kerja di hotel berbintang yang memiliki tingkat pendidikan khusus program kepariwisataan dan juga pada tingkat pendidikan diploma dan strata. Dinas Tenaga Kerja Kota Batu sebaiknya mampu memberikan pelatihan-pelatihan ataupun seminar bagi para lulusan yang siap kerja di bidang pariwisata khususnya perhotelan. Tenaga kerja pada suatu hotel sangatlah berpengaruh besar terhadap kepuasan dan kenyamanan para pengunjung hotel maka sebaiknya tenaga kerja hotel juga mendapatkan pelatihan-pelatihan yang cocok bagi para tenaga kerja tersebut karena sektor pariwisata dan perhotelan menyandang 45% perekonomian Kota Batu maka dibutuhkan tenaga kerja yang professional pada bidang tersebut untuk meningkatkan ekonomi Kota Batu.

Selain ketenagakerjaan, hotel juga selalu berhubungan informasi kamar dan harga setiap kamarnya.Berbicara tentang harga setiap kamar pastilah berbeda-beda antara kelas berbintang dan melati. Untuk hotel berbintang 1 dan 2 di tahun 2013 memberikan harga terendah untuk per kamarnya rata-rata Rp 350.000/nett.

23

24

Sedangkan untuk harga tertingginya diberikan harga Rp 750.000/nett.Untuk hotel berbintang 3 dan 4 memberikan harga terendah untuk per kamarnya rata-rata Rp 650.000/nett.Dan untuk harga tertinggi per kamarnya rata-rata Rp 6.000.000/nett.Untuk informasi harga kelas melati, harga terendah yang dapat ditawarkan yaitu Rp 70.000/nett dan harga tertingginya yaitu Rp 1.600.000/nett.Harga ini sangat mempengaruhi tingkat penghunian kamar di setiap hotel karena dengan adanya tingkat penghunian kamar dapat diketahui siapa pengunjung paling banyak di hotel tersebut.Berikut adalah tingkat penghunian kamar hotel berbintang dan melati dari tahun 2008-2012.

605550454035

0.30

0.25

0.20

0.15

0.10

0.05

0.00

Data

Densi

ty 44.09 5.767 1247.90 3.926 1248.60 4.095 1248.69 4.917 1257.00 1.302 12

Mean StDev N

20082009201020112012

Variable

Normal Tingkat Penghunian Kamar Hotel Berbintang 2008-2012

Gambar 4.1Tingkat Penghunian Kamar Hotel Berbintang dan Melati Tahun 2008-2012

Gambar 4.1 menunjukkan rata-rata dan penyebaran tingkat penghunian kamar hotel baik hotel berbintang maupun melati.Secara visual tahun 2012 merupakan tahun yang paling pesat perkembangannya.Hal ini dapat dilihat dari garis kurvanya yang runcing yang berarti bahwa penyebaran pada tahun 2012 paling baik.Faktor yang menyebabkan penyebaran tersebut adalah perkembangan sektor pariwisata selama beberapa tahun ini telah menarik perhatian wisatawan sehingga perkembangan hunian kamar hotel pun juga ikut berkembang.Untuk lebih jelas analisa dalam hotel pariwisata di Kota Batu ini, terdapat hasil analisa statistika deskriptif dan peramalan.

50454035302520

0.25

0.20

0.15

0.10

0.05

0.00

Data

Densi

ty 34.76 6.718 1236.28 4.171 1238.01 3.803 1238.14 4.361 1241.25 1.778 12

Mean StDev N

20082009201020112012

Variable

Normal Tingkat Penghunian Kamar Hotel Melati 2008-2012

25

4.3 Statistika Deskriptif Statistika deskriptif digunakan untuk mengetahui gambaran

umum tingkat penghunian kamar menurut jenis hotel dari tahun 2008-2012 yang diolah menggunakan software Minitab didapatkan hasil sebagai berikut.4.3.1 Statistika Deskriptif Tingkat Penghunian Kamar Hotel Berbintang Tahun 2008-2012

Jenis hotel terdiri dari dua yaitu hotel berbintang dan melati.Untuk mengetahui tingkat penghunian kamar hotel berbintang di tahun berapa yang signifikan tingkatannya, maka perlu identifikasi statistika deskriptif yaitu sebagai berikut.

Tabel 4.1 Statistika Deskriptif Tingkat Penghunian Kamar Hotel Berbintang Tahun 2008-2012 (percent)

Variable Mean Variance Minimum Maximum2008 44.09 33.26 35.07 53.072009 47.90 15.41 42.01 53.102010 48.60 16.77 42.33 56.062011 48.69 24.17 44.42 59.642012 57.002 1.694 54.63 58.93

Tabel 4.1 menunjukkan bahwa tingkat penghunian kamar hotel berbintang tahun 2008-2012.Tahun 2008 tingkat penghunian kamar hotel berbintang mempunyai nilai rata-rata 44.09% dan penyebaran sebesar 33.26%. Nilai terendah dari tingkat penghunian kamar hotel berbintang di tahun 2008 adalah 35.07% dan nilai tertinggi dari tingkat penghunian kamar hotel berbintang adalah 53.07%.

Tahun 2009 tingkat penghunian kamar hotel berbintang mempunyai nilai rata-rata 47.90% dan penyebaran sebesar 15.41%. Nilai terendah dari tingkat penghunian kamar hotel berbintang di tahun 2009 adalah 42.01% dan nilai tertinggi dari tingkat penghunian kamar hotel berbintang adalah 53.10%.

Tahun 2010 tingkat penghunian kamar hotel berbintang mempunyai nilai rata-rata 48.60% dan penyebaran sebesar 16.77%. Nilai terendah dari tingkat penghunian kamar hotel berbintang di tahun 2010 adalah 42.33% dan nilai tertinggi dari tingkat penghunian kamar hotel berbintang adalah 56.06%.

26

Tahun 2011 tingkat penghunian kamar hotel berbintang mempunyai nilai rata-rata 48.69% dan penyebaran sebesar 24.17%.Nilai terendah dari tingkat penghunian kamar hotel berbintang di tahun 2011 adalah 44.42%.dan nilai tertinggi dari tingkat penghunian kamar hotel berbintang adalah 59.64%.

Tahun 2012 tingkat penghunian kamar hotel berbintang mempunyai nilai rata-rata 57.002% dan penyebaran sebesar 1.694%.Nilai terendah dari tingkat penghunian kamar hotel berbintang di tahun 2012 adalah 54.63%.dan nilai tertinggi dari tingkat penghunian kamar hotel berbintang adalah 58.93%.

Tahun 2012 merupakan tahun yang paling terbaik dari segi tingkat penghunian kamar hotel berbintang di Kota Batu karena di tahun ini rata-ratanya paling tinggi dan penyebarannya sangat kecil dibandingkan dengan tahun-tahun yang lain dan ini membuktikan bahwa penyebaran tingkat penghunian kamar hotel berbintang di tahun 2012 tersebut telah merata dengan baik. 4.3.2 Statistika Deskriptif Tingkat Penghunian Kamar Hotel Melati Tahun 2008-2012

Untuk mengetahui tingkat penghunian kamar hotel melati di tahun berapa yang signifikan tingkatannya, maka perlu identifikasi statistika deskriptif yaitu sebagai berikut.

Tabel 4.2 Statistika Deskriptif Tingkat Penghunian Kamar Hotel Melati Tahun 2008-2012 (percent)


Tabel 4.2 menunjukkan bahwa tingkat penghunian kamar hotel melati tahun 2008-2012.Tahun 2008 tingkat penghunian kamar hotel melati mempunyai nilai rata-rata 34.77% dan penyebaran sebesar 45.13%. Nilai terendah dari tingkat penghunian kamar hotel melati di tahun 2008 adalah 24.01% dan nilai tertinggi dari tingkat penghunian kamar hotel melati adalah 44.44%.

27

Tahun 2009 tingkat penghunian kamar hotel melati mempunyai nilai rata-rata 36.28% dan penyebaran sebesar 17.40%. Nilai terendah dari tingkat penghunian kamar hotel melati di tahun 2009 adalah 29.60% dan nilai tertinggi dari tingkat penghunian kamar hotel melati adalah 44.51%.

Tahun 2010 tingkat penghunian kamar hotel melati mempunyai nilai rata-rata 38.01% dan penyebaran sebesar 14.47%. Nilai terendah dari tingkat penghunian kamar hotel melati di tahun 2010 adalah 33.90% dan nilai tertinggi dari tingkat penghunian kamar hotel melati adalah 45.92%.

Tahun 2011 tingkat penghunian kamar hotel melati mempunyai nilai rata-rata 38.14% dan penyebaran sebesar 19.02%.Nilai terendah dari tingkat penghunian kamar hotel melati di tahun 2011 adalah 32.15%.dan nilai tertinggi dari tingkat penghunian kamar hotel melati adalah 45.92%.

Tahun 2012 tingkat penghunian kamar hotel melati mempunyai nilai rata-rata 41.25% dan penyebaran sebesar 3.16%.Nilai terendah dari tingkat penghunian kamar hotel melati di tahun 2012 adalah 37.90%.dan nilai tertinggi dari tingkat penghunian kamar hotel melati adalah 43.05%.

Tahun 2012 merupakan tahun yang paling terbaik dari segi tingkat penghunian kamar hotel melati di Kota Batu karena di tahun ini rata-ratanya paling tinggi dan penyebarannya sangat kecil dibandingkan dengan tahun-tahun yang lain dan ini membuktikan bahwa penyebaran tingkat penghunian kamar hotel berbintang di tahun 2012 tersebut telah merata dengan baik.4.3.3 Deskripsi Tingkat Penghunian Kamar Menurut Jenis Hotel Tahun 2008-2012

Statistika deskriptif tidak hanya berupa hitungan saja, namun bisa disajikan dalam bentuk grafik salah satunya adalah Bar Chart.Grafik tersebut menyajikan data dalam bentuk bar persegi panjang yang di plot secara vertikal maupun horizontal. Berikut adalah Bar Chart dari rata-rata tingkat penghunian kamar menurut jenis hotel tahun 2008-2012 di Kota Batu.

28

Gambar 4.2Rata-Rata Tingkat Penghunian Kamar Menurut Jenis Hotel Tahun 2008-2012

Gambar 4.2 menunjukkan bahwa rata-rata tingkat penghunian kamar menurut jenis hotel baik berbintang maupun melati meningkat disetiap tahunnya. Peningkatan paling tertinggi terjadi di tahun 2012 hal ini disebabkan karena jumlah wisatawan yang berkunjung di Kota Batu pada tahun tersebut sangat banyak sehingga para wisatawan tersebut harus mencari tempat peristirahatan yang nyaman untuk tempat tinggal sementara. Hotel berbintang merupakan pilihan utama bagi wisatawan tersebut, karena berdasarkan diagram diatas hotel berbintang jauh lebih tinggi peningkatannya dibandingkan dengan hotel melati, salah satu faktor yang menyebabkan hotel berbintang lebih tinggi daripada hotel melati adalah dari segi kenyamanan dan fasilitas yang ditawarkan oleh hotel tersebut yang menjadi pilihan utama wisatawan. Berikut adalah Bar Chart dari penyebaran tingkat penghunian kamar menurut jenis hotel tahun 2008-2012 di Kota Batu.

29

Gambar 4.3Penyebaran Tingkat Penghunian Kamar Menurut Jenis Hotel Tahun 2008-2012

Gambar 4.3 menunjukkan bahwa penyebaran tingkat penghunian kamar menurut jenis hotel tahun 2008-2012 mengalami penurunan dan peningkatan yang tidak berarturan di setiap tahunnya. Penyebaran yang paling baik terjadi di tahun 2012 karena semakin kecil penyebaran tersebut maka dapat dikatakan bahwa penyebaran tingkat penghunian kamar menurut jenis hotel tersebut telah baik. Tingkat penghunian kamar di hotel berbintang di tahun 2012 merupakan penyebaran yang paling baik daripada di hotel melati yaitu sebesar 1.69%.

4.4 Time Series Tingkat Penghunian Kamar Hotel Berdasarkan data Badan Pusat Statistik yang didapatkan dari

Dinas Pariwisata dan Kebudayaan Kota Batu tentang tingkat penghunian kamar hotel berbintang dan melati akan dilakukan peramalan data tingkat penghunian kamar hotel berbintang dan kamar hotel melati dalam satu tahun kedepan. Data yang digunakan data mulai tahun 2008 hingga 2012. Akan dilakukan untuk data tahun 2008 – Juni 2012 sebagai data in sample dan data Juli – Desember 2012 sebagai data outsample. Tujuannya adalah untuk mengetahui apakah prediksi data out sample pada data Juli – Desember 2012 sesuai atau tidak berbeda jauh dengan aktualnya dan meramalkan data untuk Januari – Juni 2013.

30

4.4.1 Tingkat Penghunian Kamar Hotel BerbintangAnalisa time series tingkat penghunian kamar hotel

berbintang menggunakan data bulanan dari tahun 2008 – Juni 2012. Hasil time series plot data tingkat penghunian kamar hotel berbintang dapat dilihat pada gambar 4.3.

50454035302520151051

60

55

50

45

40

35

Index

bin

tang

Time Series Plot of bintang

Gambar 4.4Time Series Plot Tingkat Penghunian Kamar Hotel Berbintang Tahun 2008-Juni 2012

Berdasarkan gambar 4.3 dapat dilihat secara visual hampir semua titi-titik menyebar secara merata dan meningkat.Hal ini menunjukkan fluktuasi data tingkat penghunian kamar hotel berbintang stasioner dalam varians dan trend. Dalam pemodelan time series, dilakukan identifikasi terlebih dahulu agar data stasioner dalam mean dan varian serta residual juga harus white noise. Stasioner dalam varian dapat diidentifikasi menggunakan plot Box-Cox. Jika varian data belum stasioner, maka perlu dilakukan transformasi data dengan tujuan data hasil transformasi tersebut stasioner dalam varian. Berikut adalah hasil tranformasi data tingkat penghunian kamar hotel berbintang menggunakan plot Box-Cox.

31

5.02.50.0-2.5-5.0

4.50

4.25

4.00

3.75

3.50

Lambda

StD

ev

Lower CL Upper CL

Limit

Estimate 1.57

Lower CL -1.01Upper CL 4.04

Rounded Value 2.00

(using 95.0% confidence)

Lambda

Box-Cox Plot of bintang

Gambar 4.5Box-Cox Plot Tingkat Penghunian Kamar Hotel BerbintangPada taraf nyata 5%, nilai Rounded Value diperoleh dari

plot Box-Cox untuk tingkat penghunian kamar hotel berbintang sebesar 2.00 dan nilai antara Lower CL dan Upper CL telah melewati nilai 1.00, sehingga data yang digunakan telag stasioner dalam varian dan tidak perlu dilakukan differencing. Selanjutnya akan dilakukan identifikasi plot ACF dan PACF untuk menduga order dari model ARIMA. Berikut adalah hasil plot ACF dan PACF dari data tingkat penghunian kamar hotel berbintang.

50454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Auto

corr

ela

tion

Autocorrelation Function for bintang(with 5% significance limits for the autocorrelations)

Gambar 4.6ACF dan PACF Plot Tingkat Penghunian Kamar Hotel Berbintang

Berdasarkan gambar 4.5 dapat diduga beberapa model yang sesuai diantaranya model MA (1), AR (1), dan model ARIMA (1,0,1) karena terjadi cut off pada lag pertama pada ACF dan PACF plot. Berikut hasil estimasi dari beberapa model yang diduga sesuai plot ACF dan PACF.

50454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

uto

corr

ela

tion

Partial Autocorrelation Function for bintang(with 5% significance limits for the partial autocorrelations)

32

Tabel 4.3 Hasil Estimasi Beberapa Model Dari Plot ACF dan PACF

ParameterModel

ARIMA(1,0,1)

MA (1) AR (1)

AR (1) 0.4671 - 0.4974MA (1) -0.0379 -0.4335 -MSE 23.49 24.01 23.04White Noise Ya Ya Ya

Berdasarkan tabel 4.3 hasil estimasi beberapa model menunjukkan model AR (1) merupakan model yang terbaik untuk melakukan peramalan. Hal ini dapat dilihat dari mean square error (MSE) atau error terkecil dari model AR (1) merupakan error terkecil diantara model yang lainnya dan model AR (1) menunjukkan bahwa data telah white noise. Dengan model AR (1) maka dapat dilakukan forecast atau peramalan 12 bulan kedepan. Berikut ini adalah hasil forecast data tingkat penghunian kamar hotel berbintang untuk 12 bulan kedepan hingga Juni 2013 sesuai tabel 4.4 dibawah ini.Tabel 4.4 Hasil Peramalan Tingkat Penghunian Kamar Hotel Berbintang 12

Bulan KedepanBulan (2012)

Forecast Lower Upper Aktual

Bulan (2013)

Forecast Lower Upper

Juli 52.54 43.13 61.95 57.22 Januari 48.30 37.46 59.15Agustus 50.38 39.87 60.89 57.45 Februari 48.27 37.42 59.12September

49.3038.54 60.07 57.90

Maret48.25 37.41 59.10

Oktober 48.77 37.94 59.59 58.25 April 48.25 37.40 59.09November 48.50 37.66 59.34 58.59 Mei 48.24 37.39 59.09Desember 48.37 37.52 59.21 58.93 Juni 48.24 37.39 59.09

Berdasarkan tabel 4.4 hasil peramalan tingkat penghunian kamar hotel berbintang pada bulan Juli-Desember 2012 sedikit jauh berbeda dengan aktualnya yaitu data out sample yang digunakan. Perbedaan ini sekitar 5-10% dan untuk peramalan pada bulan Januari-Juni 2013 menghasilkan ramalan yang hampir sama tiap bulannya yaitu sekitar 48%. Namun model ini ternyata sesuai karena aktual masih berada diantara lower atau batas bawah dan upper atau batas atas sehingga untuk bulan Juli-Desember 2012 hasil forecast

33

masih sesuai dengan aktual yang terjadi pada 6 bulan terakhir tersebut.4.4.2 Tingkat Penghunian Kamar Hotel Melati

Analisa time series tingkat penghunian kamar hotel melati menggunakan data bulanan dari tahun 2008 – Juni 2012. Hasil time series plot data tingkat penghunian kamar hotel melati dapat dilihat pada gambar 4.7.

50454035302520151051

45

40

35

30

25

Index

mela

ti

Time Series Plot of melati

Gambar 4.7 Time Series Plot Tingkat Penghunian Kamar Hotel Melati Tahun 2008-Juni 2012

Berdasarkan gambar 4.6 dapat dilihat secara visual hampir semua titi-titik menyebar secara merata dan meningkat.Hal ini menunjukkan fluktuasi data tingkat penghunian kamar hotel melati stasioner dalam varians dan trend. Dalam pemodelan time series, dilakukan identifikasi terlebih dahulu agar data stasioner dalam mean dan varian serta residual juga harus white noise. Stasioner dalam varian dapat diidentifikasi menggunakan plot Box-Cox. Jika varian data belum stasioner, maka perlu dilakukan transformasi data dengan tujuan data hasil transformasi tersebut stasioner dalam varian. Berikut adalah hasil tranformasi data tingkat penghunian kamar hotel berbintang menggunakan plot Box-Cox.

34

5.02.50.0-2.5-5.0

3.9

3.8

3.7

3.6

3.5

3.4

3.3

3.2

3.1

3.0

Lambda

StD

ev

Lower CL Upper CL

Limit

Estimate -0.18


Rounded Value 0.00


Lambda

Box-Cox Plot of melati

Gambar 4.8 Box-Cox Plot Tingkat Penghunian Kamar Hotel MelatiPada taraf nyata 5%, nilai Rounded Value diperoleh dari

plot Box-Cox untuk tingkat penghunian kamar hotel melati sebesar 0.00 dan nilai antara Lower CL dan Upper CL telah melewati nilai 1.00, sehingga data yang digunakan telag stasioner dalam varian dan tidak perlu dilakukan differencing. Selanjutnya akan dilakukan identifikasi plot ACF dan PACF untuk menduga order dari model ARIMA. Berikut adalah hasil plot ACF dan PACF dari data tingkat penghunian kamar hotel berbintang.

50454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Auto

corr

ela

tion

Autocorrelation Function for melati(with 5% significance limits for the autocorrelations)

Gambar 4.9 ACF dan PACF Plot Tingkat Penghunian Kamar Hotel MelatiBerdasarkan gambar 4.8 dapat diketahui bahwa untuk plot

ACF terjadi cut off pada lag pertama dan dua belas dan pada plot PACF terjadi cut off pada lag pertama dan sebelas. Cut offseperti ini dinamakan subsetsehingga diperlukan software SAS untuk menganalisa forecast atau ramalan yang baik. Sebelum itu dilakukan diagnostic checking terhadap model data tingkat penghunian kamar

50454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

uto

corr

ela

tion

Partial Autocorrelation Function for melati(with 5% significance limits for the partial autocorrelations)

35

hotel melati yang signifikan dengan menguji residualnya apakah white noise dan normal.

Tabel 4.5 Hasil Uji Box Pierce (Ljung Box) Chi-Squaredan Kenormalan Tingkat Penghunian Kamar Hotel Melati

Model OutputKolmogorov

-SmirnovSignifikasi MAPE

AR (1)12

To Lag ChiSquare DFPr > ChiSq

6 8.94 4 0.0626

12 10.96 10 0.3607

18 13.8 16 0.6137

24 16.42 22 0.7943

8.1319Signifikan dan White

Noise8.1319

MA (1)11


6 11.64 4 0.0202

12 21.82 10 0.0160

18 26.94 16 0.0421

24 34.14 22 0.0476

9.7198

Signifikan dan Tidak

White Noise

9.7198

ARMA (1,1) (1,0)12

(0,1)11


6 8.86 2 0.0119

12 10.9 8 0.2073

18 13.7 14 0.4722

24 16.32 20 0.6968

8.1131

Signifikan dan Tidak

White Noise

8.1131

Berdasarkan tabel 4.5 hasil estimasi beberapa model menunjukkan model AR(1)12 merupakan model yang terbaik untuk melakukan peramalan. Hal ini dapat dilihat dari hasil signifikansi, model tersebut telah memenuhi asumsi residual (white noise) dan kenormalan. Dan dari hasil mean absolute percentage error (MAPE) dari model AR(1)12 merupakan error terkecil diantara model yang lainnya. Dengan model AR(1)12 maka dapat dilakukan forecast atau peramalan 12 bulan kedepan. Berikut ini adalah hasil forecast data tingkat penghunian kamar hotel melati untuk 12 bulan kedepan hingga Juni 2013 sesuai tabel 4.6 dibawah ini.

36

Tabel 4.6 Hasil Peramalan Tingkat Penghunian Kamar Hotel Melati 12 Bulan Kedepan

Bulan (2012)

Forecast Lower Upper Aktual

Bulan (2013)

Forecast Lower Upper

Juli 42.21 35.43 49.00 39.55 Januari 41.67 34.31 49.02Agustus 40.44 33.17 47.72 42.69 Februari 41.21 33.85 48.56September 37.9 30.55 45.24 40.2

Maret39.13 31.77 46.49

Oktober 39.12 31.76 46.47 42.66 April 41.09 33.73 48.45November 36.09 28.73 43.44 40.77 Mei 39.57 32.21 46.93Desember 41.45 34.10 48.81 42.71 Juni 41.13 33.77 48.49

Berdasarkan tabel 4.6 hasil peramalan tingkat penghunian kamar hotel melati pada bulan Juli-Desember 2012 sedikit jauh berbeda dengan aktualnya yaitu data out sample yang digunakan. Perbedaan ini sekitar 1-3% (sedikit lebih rending dibandingkan dengan ramalan hotel berbintang) dan untuk peramalan pada bulan Januari-Juni 2013 menghasilkan ramalan sekitar 39% atau 41%. Namun model ini ternyata sesuai karena aktual masih berada diantara lower atau batas bawah dan upper atau batas atas sehingga untuk bulan Juli-Desember 2012 hasil forecast masih sesuai dengan aktual yang terjadi pada 6 bulan terakhir tersebut.

4.5 Keterkaitan Antara Pendapatan Sektor Pariwisata dengan Pendapatan Asli Daerah (PAD)Diketahui hasil peramalan pada tingkat penghunian kamar

hotel berbintang maupun hotel melati diatas adalah meningkat setiap tahunnya. Peningkatan ini pastinya akan mempengaruhi pendapatan dalam sektor pariwisata dalam hal ini dipegang oleh Perhimpunan Hotel dan Restaurant Indonesia (PHRI) Kota Batu terhadap Pendapatan Asli Daerah (PAD) Kota Batu. Mengapa demikian, karena pendapatan tingkat penghunian kamar akan mempengaruhi investasi yang akan masuk dalam PAD Kota Batu tersebut. Untuk lebih jelas melihat apakah PAD Kota Batu juga meningkat pada tahun 2008-2012, lihat tabel 4.7 dibawah ini.

37

Tabel 4.7 Perkembangan Indikator PAD Kota Batu

Uraian Ket. 2008 2009 2010 2011 2012

PDRB ADHB (Jutaan)2,524,551.6

32,851,689.9

83,251,565.0

43,554,756.5

12,851,689.9

8

PDRB ADHK (Jutaan)1,244,946.5

41,328,892.6

01,422,065.9

01,492,248.5

21,328,892.6

0PDRB/

KAPITA(Ribuan

) 13,578.33 15,156.87 17,096.94 18,476.64 15,156.87

APBD (Jutaan) 311,061.13 368,477.57 418,326.20 446,028.33 495994.38Rasio

APBD/PDRB12.32 12.92 12.87 12.55 12.92

PAD (Jutaan) 14,202.63 17,386.74 17,735.60 30,257.31 38794.38Rasio

PAD/APBD4.57 4.72 4.24 6.78 4.72

Tabel 4.7 menunjukkan bahwa dengan hanya salah satu faktor dari peningkatan kamar hotel berbintang maupun hotel melati, akan mempengaruhi PAD kota tersebut. Belum lagi dari faktor lain seperti jumlah pengunjung hotel setiap tahunnya, jumlah pengunjung di restaurant setiap tahunnya, jumlah tamu menurut asal tamu setiap tahunnya, dan sebagainya. Sehingga semakin kecilnya varians dalam perkembangan di sektor pariwisata di Kota Batu akan meningkatkan pendapatan asli daerah atau PAD Kota Batu. Hal ini akan menguntungkan dalam hal seperti investasi jangka pendek maupun jangka panjang. Sehingga para investorpun tidak akan merasa sia-sia bila mereka menanmkan saham pada Kota Batu khususnya dalam di sektor pariwisatanya. Untuk lebih jelas apakah tingkat penghunian kamar hotel menurut jenis hotel mempengaruhi PAD Kota Batu dapat dilihat pada gambar dibawah ini.

38

2008 2009 2010 2011 20120

50

100

150

200

250

300

100122.42 124.87

213.04

273.15

100.00106.75 109.84110.13

124.61

PADRata-Rata Tingkat Penghunian Kamar Ho-tel

Gambar 4. 10 Grafik Rata-Rata Tingkat Penghunian Kamar Hotel Terhadap PAD

Gambar diatas menunjukkan bahwa salah satu faktor yang mempengaruhi pendapatan asli daerah atau PAD Kota Batu adalah tingkat penghunian kamar menurut jenis hotel yaitu berbintang maupun melati (dalam hal ini dijadikan rata-rata). Puncak tertinggi tingkat penghunian kamar berbintang maupun melati terjadi di tahun 2012, sehingga pendapatan asli daerah atau PADpun juga ikut meningkat sangat signifikan. Pendapatan asli daerah atau PAD merupakan pendapatan di Kota Batu dalam bentuk satuan jutaan rupiah, sedangkan tingkat penghunian kamar berbintang maupun melati satuannya adalah persentase. Untuk menggabungkan kedua variabel yang berbeda tersebut menggunakan indeks dan menjadikan di tahun 2008 sebagai patokan utama (100) untuk tahun-tahun berikutnya. Berikut tabel indeks yang digunakan untuk mempermudah kedua variabel tersebut sehingga menghasilkan perhitungan seperti gambar diatas.

39

Tabel 4.8 Tabel Indeks PAD Kota Batu dan Rata-Rata Tingkat Penghunian Kamar Hotel di Kota Batu

2008 2009 2010 2011 2012

PAD 100 122.42 124.87 213.04 273.15

Rata-Rata Tingkat Penghunian Kamar Hotel 100 106.75 109.84 110.13 124.61

Tabel 4.8 merupakan tabel indeks pendapatan asli daerah atau PAD Kota Batu dengan rata-rata tingkat penghunian kamar hotel. Dari perhitungan sehingga membentuk indeks diatas telah membuktikan bahwa pertumbuhan rata-rata tingkat penghunian kamar hotel baik berbintang maupun melati juga akan mempengaruhi pertumbuhan pendapatan asli daerah atau PAD Kota Batu. Pertumbuhan ini dimulai meningkat pada tahun 2010 hingga 2012

40

BAB VKESIMPULAN DAN SARAN

5.1 Kesimpulan1. Berdasarkan statistika deskriptif, tahun 2012 baik tingkat

penghunian kamar hotel berbintang maupun hotel melati sama-sama merupakan tahun yang paling terbaik di Kota Batu karena di tahun ini rata-ratanya paling tinggi dan penyebarannya sangat kecil dibandingkan dengan tahun-tahun yang lain dan ini membuktikan bahwa penyebaran tingkat penghunian kamar hotel berbintang maupun hotel melati di tahun 2012 tersebut telah merata dengan baik. Berdasarkan rata-rata tingkat penghunian kamar menurut jenis hotel baik berbintang maupun melati meningkat disetiap tahunnya. Peningkatan paling tertinggi terjadi di tahun 2012. Dan penyebaran tingkat penghunian kamar menurut jenis hotel tahun 2008-2012 mengalami penurunan dan peningkatan yang tidak berarturan di setiap tahunnya. Penyebaran yang paling baik terjadi di tahun 2012 karena semakin kecil penyebaran tersebut maka dapat dikatakan bahwa penyebaran tingkat penghunian kamar menurut jenis hotel tersebut telah baik.

2. Berdasarkan analisa time series pada tingkat penghunian kamar hotel berbintang menunjukkan fluktuasi stasioner dalam varians dan trend. Setelah dilakukan pengecekan menggunakan Box-Cox, plot ACF dan plot PACF didapatkan model yang sesuai adalah model AR (1) karena mean square error (MSE) atau error terkecil dari model AR (1) merupakan error terkecil diantara model yang lainnya dan model AR (1) menunjukkan bahwa data telah white noise. Dengan model AR (1) maka dapat dilakukan forecast atau peramalan 12 bulan kedepan. Sedangkan pada tingkat penghunian kamar hotel melati didapatkan model yang sesuai adalah AR (1)12 karena mean absolute percentage error (MAPE) dari model AR(1)12 merupakan error terkecil diantara model yang lainnya. Dengan model AR(1)12 maka dapat dilakukan forecast atau peramalan 12 bulan kedepan.

3. Berdasarkan keterkaitannya antara pendapatan sektor pariwisata yang dalam hal ini dipegang oleh Perhimpunan Hotel dan Restaurant Indonesia (PHRI) dengan pendapatan asli daerah (PAD) dapat disimpulkan bahwa dengan hanya salah satu faktor yaitu dari peningkatan kamar hotel berbintang maupun hotel melati, akan mempengaruhi PAD kota tersebut. Sehingga semakin kecilnya varians dalam perkembangan di sektor pariwisata di Kota Batu akan meningkatkan pendapatan asli daerah atau PAD Kota Batu. Hal ini akan menguntungkan dalam hal seperti investasi jangka pendek maupun jangka panjang. Sehingga para investorpun tidak akan merasa sia-sia bila mereka menanmkan saham pada Kota Batu khususnya dalam di sektor pariwisatanya. Salah satu faktor yang mempengaruhi pendapatan asli daerah atau PAD Kota Batu adalah tingkat penghunian kamar menurut jenis hotel yaitu berbintang maupun melati (dalam hal ini dijadikan rata-rata). Puncak tertinggi tingkat penghunian kamar berbintang maupun melati terjadi di tahun 2012, sehingga pendapatan asli daerah atau PADpun juga ikut meningkat sangat signifikan.

41

5.2 SaranSaran yang dapat disampaikan dalam kerja praktek

selanjutnya adalah sebaiknya memilih permasalahan yang jelas atau permasalahan yang sedang terjadi di tempat kerja praktek, sehingga dapat memberikan solusi atau jalan keluar yang tepat bagi permasalahan tersebut. Dan saran yang dapat disampaikan untuk Dinas Pariwisata dan Kebudayaan Kota Batu adalah sebaiknya memiliki semua data yang berhubungan dengan kepariwisataan, misalnya data pendapatan, data occupancy, data ketenagakerjaan yang jelas dari setiap usaha hotel, restaurant, dan daerah tujuan wisata sehingga data tersebut dapat membantu dalam permasalahan yang sedang terjadi di pariwisata Kota Batu.

43


DAFTAR PUSTAKA

Makridakis S., Wheelwright, Mc Gee, 1999, “Metode danAplikasi Peramalan”, Edisi Kedua, Bina RupaAksara, Jakarta.

Walpole, Ronald E. (1995), “ Pengantar Statistiks “, PT Gramedia Pustaka Utama, Jakarta.

Wei, W.W.S., 1990, “Time Analysis Univariate andMultivariate Methods“, Addison Wesley PublishingCompany, Inc.

53

LAMPIRAN

Lampiran D Data Tingkat Penghunian Kamar Hotel Berbintang dan Melati Tahun 2008 – 20122008 2009 2010 2011 2012

Bulan Berbintang Melati Jumlah Bulan Berbintang Melati Jumlah Bulan Berbintang Melati Jumlah Bulan Berbintang Melati Jumlah Bulan Berbintang Melati Jumlah

Januari 37.4 24.6 27.89 Januari 42.01 29.6 32.78 Januari 45.21 35.14 37.74 Januari 47.14 39.79 40.86 Januari 54.63 42.45 43.4

Februari 42.64 24.01 28.79 Februari 46.19 30.72 34.68 Februari 44.3 34.37 36.92 Februari 46.09 35.19 36.76 Februari 55.63 41.44 42.54

Maret 40.93 27.86 31.25 Maret 47.54 33.49 37.09 Maret 48.72 34.65 38.3 Maret 45.31 34.35 35.95 Maret 55.82 37.9 39.2

April 40.51 36.12 37.25 April 45.62 33.98 39.96 April 50.71 33.9 38.25 April 44.42 32.15 33.94 April 56.2 43.05 44.62

Mei 43.64 32.35 35.24 Mei 45.48 34.51 35.82 Mei 49.2 34.85 36.66 Mei 46.44 34.76 20.5 Mei 56.53 38.8 39.63

Juni 46.96 40.89 42.44 Juni 50.54 37.16 40.6 Juni 42.33 37.64 38.84 Juni 59.64 43.28 45.68 Juni 56.88 42.81 43.56

Juli 50.92 37.19 40.67 Juli 52.09 40.45 43.44 Juli 46.58 37.69 39.94 Juli 51.7 42.5 43.82 Juli 57.22 39.55 41.12

Agustus 39.7 37.51 38.08 Agustus 45.36 37.37 39.43 Agustus 45.36 38.66 40.42 Agustus 45.44 39.62 40.45 Agustus 57.45 42.69 43.75

September 35.07 31.33 32.28 September 42.67 37.61 38.91 September 48.68 39.47 41.82 September 48.42 36.15 37.92 September 57.9 40.2 41.8

Oktober 51.31 39.61 42.71 Oktober 51.61 36.39 40.08 Oktober 53.73 40.59 44.07 Oktober 47.37 40.26 41.39 Oktober 58.25 42.66 43.78

November 46.87 44.44 45.06 November 53.1 39.56 43.04 November 52.31 43.25 45.56 November 45.33 33.72 35.39 November 58.59 40.77 42.42

Desember 53.07 41.27 44.25 Desember 52.55 44.51 46.52 Desember 56.06 45.92 48.51 Desember 57.02 45.92 47.52 Desember 58.93 42.71 44.69

Descriptive Statistics: 2008_1, 2009_1, 2010_1, 2011_1, 2012_1

Variable Mean Variance Minimum Maximum2008_1 34.76 45.13 24.01 44.442009_1 36.28 17.40 29.60 44.512010_1 38.01 14.47 33.90 45.922011_1 38.14 19.02 32.15 45.922012_1 41.252 3.163 37.900 43.050

Descriptive Statistics: 2008, 2009, 2010, 2011, 2012


54

LAMPIRAN E Hasil Output software SAS, Time Series tingkat penghunian kamar hotel dan perhitungan indeks PAD dengan tingkat penghunian kamar hote

Output 2 Statistika Deskriptif

605550454035

0.30

0.25

0.20

0.15

0.10

0.05

0.00

Data

Densi

ty 44.09 5.767 1247.90 3.926 1248.60 4.095 1248.69 4.917 1257.00 1.302 12

Mean StDev N

20082009201020112012

Variable

Normal Tingkat Penghunian Kamar Hotel Berbintang 2008-2012

50454035302520

0.25

0.20

0.15

0.10

0.05

0.00

Data

Densi

ty 34.76 6.718 1236.28 4.171 1238.01 3.803 1238.14 4.361 1241.25 1.778 12

Mean StDev N

20082009201020112012

Variable

Normal Tingkat Penghunian Kamar Hotel Melati 2008-2012

55

\

2008 2009 2010 2011 2012

44.0947.90 48.60 48.69

57.00

34.77 36.28 38.01 38.1441.25

Berbintang Melati

2008 2009 2010 2011 2012

33.26

15.41 16.77

24.17

1.69

45.13

17.4014.47

19.02

3.16

Berbintang Melati

56

Output 3 Hasil Analisa Time Series Data Tingkat Penghunian Kamar Hotel Berbintang Tahun 2008 – 2012 Menggunakan Software Minitab

1. Time Series Plot

50454035302520151051

60

55

50

45

40

35

Index

bin

tang

Time Series Plot of bintang

2. Box-Cox

5.02.50.0-2.5-5.0

4.50

4.25

4.00

3.75

3.50

Lambda

StD

ev

Lower CL Upper CL

Limit

Estimate 1.57


Rounded Value 2.00


Lambda

Box-Cox Plot of bintang

3. Plot ACF dan Plot PACF

50454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Auto

corr

ela

tion

Autocorrelation Function for bintang(with 5% significance limits for the autocorrelations)

50454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

uto

corr

ela

tion

Partial Autocorrelation Function for bintang(with 5% significance limits for the partial autocorrelations)

57

4. Hasil ARIMA

ARIMA (1,0,1)Final Estimates of Parameters

Type Coef SE Coef T PAR 1 0.4671 0.2610 1.79 0.079MA 1 -0.0379 0.2883 -0.13 0.896Constant 25.7074 0.6865 37.45 0.000Mean 48.237 1.288

Number of observations: 54Residuals: SS = 1198.00 (backforecasts excluded) MS = 23.49 DF = 51

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48Chi-Square 9.7 14.8 24.7 40.1DF 9 21 33 45P-Value 0.378 0.834 0.849 0.678

ARIMA Model: bintang

Estimates at each iteration

Iteration SSE Parameters0 1714.88 0.100 48.3771 1495.21 -0.050 48.3912 1353.60 -0.200 48.3853 1277.51 -0.350 48.3524 1265.29 -0.446 48.2785 1264.95 -0.432 48.2516 1264.95 -0.434 48.2527 1264.95 -0.434 48.252

Relative change in each estimate less than 0.0010

58


Type Coef SE Coef T PMA 1 -0.4335 0.1252 -3.46 0.001Constant 48.2522 0.9549 50.53 0.000Mean 48.2522 0.9549






Iteration SSE Parameters0 1436.21 0.100 43.5401 1304.03 0.250 36.2832 1233.22 0.400 29.0163 1220.69 0.476 25.3004 1220.05 0.492 24.4955 1220.01 0.496 24.3036 1220.01 0.497 24.2567 1220.01 0.497 24.244


59


Type Coef SE Coef T PAR 1 0.4974 0.1235 4.03 0.000Constant 24.2444 0.6538 37.08 0.000Mean 48.237 1.301






Iteration SSE Parameters0 1436.21 0.100 43.5401 1304.03 0.250 36.2832 1233.22 0.400 29.0163 1220.69 0.476 25.3004 1220.05 0.492 24.4955 1220.01 0.496 24.3036 1220.01 0.497 24.2567 1220.01 0.497 24.244


5. Forecast 12 Bulan KedepanForecasts from period 54

95% LimitsPeriod Forecast Lower Upper Actual 55 52.5362 43.1260 61.9463 56 50.3756 39.8657 60.8855 57 49.3009 38.5363 60.0656 58 48.7664 37.9396 59.5932 59 48.5005 37.6584 59.3426 60 48.3683 37.5224 59.2142 61 48.3025 37.4557 59.1493 62 48.2698 37.4227 59.1168 63 48.2535 37.4064 59.1006 64 48.2454 37.3983 59.0925 65 48.2414 37.3943 59.0885 66 48.2394 37.3923 59.0865

60

Output 4 Hasil Analisa Time Series Data Tingkat Penghunian Kamar Hotel Melati Tahun 2008 – 2012 Menggunakan Software SAS1. Time Series Plot

50454035302520151051

45

40

35

30

25

Index

mela

ti

Time Series Plot of melati

2. Box-Cox

5.02.50.0-2.5-5.0

3.9

3.8

3.7

3.6

3.5

3.4

3.3

3.2

3.1

3.0

Lambda

StD

ev

Lower CL Upper CL

Limit

Estimate -0.18


Rounded Value 0.00


Lambda

Box-Cox Plot of melati

3. Plot ACF dan Plot PACF

50454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Auto

corr

ela

tion

Autocorrelation Function for melati(with 5% significance limits for the autocorrelations)

50454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

uto

corr

ela

tion

Partial Autocorrelation Function for melati(with 5% significance limits for the partial autocorrelations)

Dinas Pariwisata Kota Batu

Documents

Transcript of Dinas Pariwisata Kota Batu