Shinta Lestari Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2022 id Indonesia

Skripsi

Kegiatan daring atau terhubung melalui internet menjadi salah satu aktivitas yang banyak dilakukan oleh lebih dari setengah populasi manusia di dunia. Penggunaan mesin pencarian adalah kegiatan yang sering dilakukan saat daring. Saat ini, Google mendominasi pengguna internet dan menyimpan triliunan data pencarian (query) dalam Google Trends yang dapat diakses dengan mudah dan gratis. Penelitian ini memanfaatkan data Google Trends tersebut dalam membangun model peramalan data kunjungan wisatawan ke Indonesia. Selain itu, penelitian ini juga memasukkan kejadian data Covid-19 yang dinyatakan WHO sebagai pandemi global sejak Maret 2020. Metode yang digunakan adalah Autoregressive Distributed Lag (ARDL). Penelitian ini juga menggunakan bound test cointegration untuk menguji kointegrasi atau hubungan jangka pendek dan jangka panjang antara variabel penyusun model ARDL. Dari model tersebut diketahui terdapat hubungan kointegrasi jangka panjang antara kunjungan wisatawan dan kueri Google Trends, yaitu untuk kueri tentang hotel dan penginapan, pantai dan pulau, dan acara musiman dan liburan, serta kejadian Covid-19. Di mana kejadian Covid-19 menghasilkan tingkat signifikan hingga 1%. Hubungan jangka panjang ini terjadi pada keseluruhan model ARDL Malaysia, Singapura, dan Australia yang datang ke Indonesia. Selain itu, dilakukan komparasi terhadap data ramalan model ARDL dengan data faktual kunjungan wisatawan. Komparasi ditampilkan melalui grafik garis yang menunjukkan bahwa garis data ramalan dan data faktual bergerak dalam pola yang mirip dan berhimpitan. Artinya data hasil ramalan dengan kueri Google Trends memiliki nilai yang tidak berbeda jauh dari data yang sebenarnya. Sehingga penelitian ini membuktikan pemanfaatan kueri Google Trends dapat membantu dalam peramalan ketika data yang tersedia terbatas bahkan tidak tersedia sama sekali. Kata kunci: peramalan, wisatawan, Google Trends, ARDL, bound test, kointegrasi AUTOREGRESSION 519.539 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 98122 2022-02-16 15:06:34 2022-02-17 12:09:48 machine generated