Pemodelan ketibaan pelancong antarabangsa ke Malaysia

Peramalan jumlah ketibaan pelancong adalah penting bagi memberi gambaran prestasi sektor pelancongan yang tepat bagi tahun-tahun akan datang. Ramalan tersebut dapat membantu pihak berkepentingan membuat keputusan strategik seperti pelaburan, pembangunan infrastruktur dan sebagainya. Langkah strategi...

Full description

Saved in:
Bibliographic Details
Main Authors: Sharifah Huda Syed Ibrahim,, Humaida Banu Samsudin,
Format: Article
Language:English
Published: Penerbit Universiti Kebangsaan Malaysia 2021
Online Access:http://journalarticle.ukm.my/17934/1/Paper-2-Humaida.pdf
http://journalarticle.ukm.my/17934/
https://www.ukm.my/jqma/current/
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Peramalan jumlah ketibaan pelancong adalah penting bagi memberi gambaran prestasi sektor pelancongan yang tepat bagi tahun-tahun akan datang. Ramalan tersebut dapat membantu pihak berkepentingan membuat keputusan strategik seperti pelaburan, pembangunan infrastruktur dan sebagainya. Langkah strategik ini mampu memberi impak negatif atau positif bergantung kepada ketepatan nilai ramalan yang diperolehi. Kajian ini bertujuan untuk memilih model terbaik untuk peramalan jumlah ketibaan pelancong antarabangsa ke Malaysia menggunakan data bulanan dari Januari 2000 hingga Disember 2019. Dua kaedah digunakan iaitu Autoregresi Purata Bergerak Bersepadu Bermusim (SARIMA) dan Analisis Spektrum Tunggal (SSA). Ketepatan ramalan bagi data dalam dan luar sampel diuji dengan nilai RMSE, MAE dan MAPE. Model terbaik dipilih berdasarkan prestasi ramalan iaitu model yang mempunyai nilai paling kecil bagi ketiga-tiga pengukur ralat yang digunakan. Kajian menunjukkan data siri masa yang di analisis mempunyai trend linear dan komponen bermusim. Selain itu, kajian juga menunjukkan model ARIMA (3,1,3)(2,0,0)[12] menghasilkan nilai RMSE, MAE, dan MAPE yang paling kecil bagi peramalan data luar sampel. Model ARIMA (3,1,3)(2,0,0)[12] dan SSA (24,14) mempunyai nilai MAPE lebih kecil daripada 10%, maka kedua-dua model ini adalah dalam kategori ramalan yang sangat tepat dan boleh digunakan bagi peramalan.