Abstract

Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dengan metode eksponensial Holt-Winters smoothing  dan ARIMA serta mengetahui perbandingan hasil peramalan dengan kedua metode tersebut sehingga diperoleh metode terbaik. Data yang digunakan penelitian ini adalah jumlah kedatangan wisatawan mancanegara ke Bali Ngurah Rai Tahun 2010-2015. Data diperoleh dengan cara metode dokumentasi dengan pengumpulan data sekunder dan studi pustaka. Analisis data yang digunakan adalah metode eksponensial Holt-Winter smoothing dan ARIMA dengan nilai MSE dan MAPE terkecil. Hasil penelitian menunjukkan bahwa: (1) peramalan dengan metode eksponensial Holt-Winter smoothing model multiplikatif menghasilkan , ,  dengan nilai MSE 1436553590 dan MAPE 8,86198%; (2) peramalan dengan metode ARIMA menghasilkan model ARIMA (2,1,0)(0,1,1)12 dengan transformasi logaritma dengan nilai MSE 1353169319 dan MAPE 9,40981%; dan (3) perbandingan peramalan lebih tepat menggunakan metode eksponensial Holt-Winters smoothing daripada ARIMA karena menghasilkan nilai error lebih kecil daripada nilai error metode ARIMA.


 


The purpose of this study was to determine the best method of forecasting models Holt-Winters exponential smoothing and ARIMA forecasting and compare the results with both methods in order to obtain the best method. The data used in this study is the number of foreign tourist arrivals to Bali Ngurah Rai Year 2010-2015. The data collected by the method of documentation by collecting secondary data and literature. The data analysis is the method of Holt-Winter exponential smoothing and ARIMA with MSE and MAPE smallest value. The results showed that: (1) the prediction using the method of exponential smoothing Holt-Winter multiplicative models produce , ,  with a value of MSE 1436553590 dan MAPE 8,86198%; (2) The ARIMA forecasting method produces ARIMA (2,1,0)(0,1,1)12 with the transformation logarithms with MSE 1353169319 dan MAPE 9,40981%; and (3) a more precise comparison of forecasting methods Holt-Winters exponential smoothing than ARIMA for produce an error value is less than the error method ARIMA