Implementasi Multivariate Time Series Menggunakan Metode Generalized Space Time Autoregressive (Gstar) Seasonal (Studi Kasus: Data Jumlah Wisatawan Candi Borobudur, Candi Prambanan, Dan Pantai Parangtritis Periode Januari 2015 — Maret 2020)

Abstract

Generalized Space Time Autoregressive (GSTAR) merupakan salah satu metode peramalan runtun waktu multivariat yang menggabungkan keterkaitan waktu dan lokasi dengan asumsi parameter setiap lokasi bersifat heterogen. Metode tersebut kemudian diimplementasikan pada data penelitian dengan menggunakan tiga objek wisata yang paling diminati sepanjang periode dan dikenal sebagai karakteristik Daerah Istimewa Yogyakarta yaitu wisata Candi Borobudur, Candi Prambanan, dan Pantai Parangtritis. Meskipun objek wisata Candi Borobudur secara administratif berada di Kabupaten Magelang, namun jarak ketiga lokasi cukup berdekatan. Selain itu, dugaan keterkaitan waktu dan lokasi pada objek-objek wisata tersebut bermula dari data jumlah kunjungan wisatawan yang cenderung mirip antar ketiganya. Efek lokasi pada metode GSTAR dirumuskan dengan matriks bobot lokasi. Dalam penelitian ini, matriks bobot Jokasi yang digunakan adalah bobot seragam, invers jarak, dan normalisasi korelasi silang. Dengan menggunakan eliminasi backward pada uji signifikasi parameternya, diperoleh model terbaik GSTAR(3,1)-I(1)'* dengan bobot lokasi invers jarak yang memiliki nilai akurasi peramalan terkecil yaitu RMSE 56.881,64 dan MAPE 15,91651% (geod forecasting). Berdasarkan hasil analisis, model peramalan jumlah wisatawan Candi Borobudur dan Candi Prambanan tidak dipengaruhi oleh lokasi lain tetapi peramalan jumlah wisatawan Pantai Parangtritis dipengaruhi oleh kedua lokasi tersebut. Peramalan untuk Candi Borobudur dipengaruhi data tiga periode sebelumnya, sedangkan peramalan untuk Candi Prambanan dipengaruhi data dua periode sebelumnya, kemudian peramalan untuk Pantai Parangtritis dipengaruhi oleh Candi Borobudur dan Candi Prambanan dengan masing-masing dua periode sebelumnya.