Electronic Theses and Dissertation

Pariwisata merupakan salah satu sektor yang berkontribusi terhadap pertumbuhan ekonomi Indonesia melalui peningkatan devisa negara, penciptaan lapangan kerja, dan pengembangan sektor pendukung lainnya. Salah satu indikator perkembangan sektor pariwisata adalah jumlah kunjungan wisatawan mancanegara (wisman). Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi jumlah kunjungan wisman di Indonesia tahun 2018–2024 menggunakan regresi data panel. Data yang digunakan merupakan data sekunder berbentuk panel yang terdiri atas 44 negara asal wisatawan selama periode 2018–2024 dengan total 308 observasi. Variabel dependen yang digunakan adalah jumlah kunjungan wisman di Indonesia, sedangkan variabel independennya meliputi jumlah penduduk negara asal, PDB negara asal, kurs rupiah, jumlah akomodasi, jarak negara asal ke Indonesia, kebijakan visa, dan COVID-19. Pendekatan regresi data panel yang digunakan meliputi Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM). Pemilihan model terbaik dilakukan menggunakan uji Chow, uji Hausman, dan uji Breusch-Pagan. Hasil penelitian menunjukkan bahwa model terbaik yang diperoleh adalah fixed effect model (FEM) dengan efek individu (kenegaraan). Hasil pengujian asumsi klasik menunjukkan adanya autokorelasi dan heteroskedastisitas, sehingga dilakukan koreksi menggunakan robust standard error dengan pendekatan Arellano (HAC). Hasil analisis menunjukkan bahwa variabel PDB negara asal, kurs rupiah, jumlah akomodasi, dan kebijakan visa berpengaruh positif signifikan terhadap jumlah kunjungan wisman di Indonesia, sedangkan variabel COVID-19 berpengaruh negatif signifikan. Sementara itu, variabel jumlah penduduk negara asal tidak berpengaruh signifikan terhadap jumlah kunjungan wisman di Indonesia. Model yang diperoleh memiliki nilai R2 sebesar 67,58%, yang menunjukkan bahwa variabel independen dalam model mampu menjelaskan variasi jumlah kunjungan wisman di Indonesia sebesar 67,58%, sedangkan sisanya dijelaskan oleh faktor lain di luar model.

Tourism is one of the sectors contributing to Indonesia’s economic growth through increased foreign exchange earnings, job creation, and the development of other supporting sectors. One indicator of the tourism sector’s development is the number of international tourist arrivals. This study aims to analyze the factors influencing the number of international tourist arrivals to Indonesia from 2018 to 2024 using panel data regression. The data used consists of secondary panel data comprising 44 countries of origin for tourists during the 2018–2024 period, totaling 308 observations. The dependent variable is the number of international tourist visits to Indonesia, while the independent variables include the population of the country of origin, the GDP of the country of origin, the exchange rate, the number of accommodations, the distance from the country of origin to Indonesia, visa policies, and COVID-19. The panel data regression approaches used include the common effects model (CEM), fixed effects model (FEM), and random effects model (REM). The best model was selected using the Chow test, Hausman test, and Breusch-Pagan test. The results indicate that the best model obtained is the fixed effects model (FEM) with country-specific effects. The results of the classical assumption tests indicate the presence of autocorrelation and heteroscedasticity; therefore, corrections were made using robust standard errors with the Arellano (HAC) approach. The analysis results show that the variables of the home country’s GDP, exchange rate, number of accommodations, and visa policies have a significant positive effect on the number of foreign tourist visits to Indonesia, while the COVID-19 variable has a significant negative effect. Meanwhile, the number of residents in the country of origin does not significantly affect the number of foreign tourist visits to Indonesia. The resulting model has a R2 value of 67,58%, indicating that the independent variables in the model account for 67,58% of the variation in the number of foreign tourist visits to Indonesia, while the remainder is explained by other factors outside the model.