Professional Documents
Culture Documents
1 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
BAB II
LANDASAN TEORI
2.1
Manajemen Operasi
Menurut Fogarty (1989) mendefinisikan manajemen operasi sebagai
suatu proses yang secara berkesinambungan dan efektif
05/04/2016 11.40
2012100229MNBab2001
2 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
3 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
11
yang akan penulis bahas dalam kasus ini yaitu perusahaan agen
penjualan tiket Oman Air di Indonesia. Proses produksinya sendiri
bisa berupa pengisian kursi kosong di pesawat, aktivitas produksi
inilah yang berlangsung dalam organisasi yang disebut sebagai
manajemen operasi.
2.1.1 Unsur-unsur Manajemen operasi
Menurut Fogarty (1989), dalm Harjanto (2007), manajemen operasi adalah
suatu proses yang berkesinambungan (kontinu) dan efektifitas menggunakan
manajemen untuk mengintegrasikan berbagai sumber daya secara efisien dalam
rangka mencapai tujuan. Unsur-unsur pokok dalam definisi tersebut, yaitu:
1. Continues, berarti manajemen produksi dan operasi bukan suatu
kegiatan yang berdiri sendiri. Keputusan manajemen bukan merupakan
tindakan sesaat, melainkan tindakan berkelanjutan (kontinu).
2. Efektif, berarti segala pekerjaan harus dilakukan secara tepat dan sebaikbaiknya, serta mencapai hasil sesuai dengan yang diharapkan.
05/04/2016 11.40
2012100229MNBab2001
4 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
5 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
12
yang
direncanakan.
dengan penciptaan atau pembuatan barang, jasa atau kombinasinya melalui proses
transformasi dari masukan sumber daya produksi menjadi keluaran yang
diinginkan. (Harjanto, 2007, p. 2)
2.2
Forecasting
manajemen adalah menentukan tingkat produksi dari barang atau jasa yang perlu
disiapkan untuk masa mendatang. Penentuan tingkat produksi, yang merupakan
tingkat penawaran dipengaruhi oleh jumlah permintaan pasar yang dapat dipenuhi
oleh perusahaan. Tingkat penawaran yang lebih tinggi dari permintaan pasar
05/04/2016 11.40
2012100229MNBab2001
6 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
7 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
13
Menurut (Prasetya & Fitria, 2009) Peramalan merupakan suatu usaha untuk
meramalkan keadaan dimasa yang akan datang melalui pengujian keadaan dimasa
lalu.
perusahaan dimasa yang akan datang (Modul Lab. AKB, Universitas Bina
Nusantara 2010, P19 ). Kebutuhan peramalan semakin bertambah sejalan dengan
keinginan menajemen untuk memberikan respon yang cepat dan tepat terhadap
dikurangi, dan juga dapat membuat perusahaan lebih terkonsentrasi pada sasaran
tertentu agar perencanaan yang dihasilkan lebih baik sehingga dapat menjadi
kenyataan. (Herjanto, 2009)
2.2.1 Jenis-jenis peramalan
Peramalan dapat dilakukan secara kuantitatif maupun kualitataif.
Pengukuran secara kuantitatif menggunakan metode statistik, sedangkan
05/04/2016 11.40
2012100229MNBab2001
8 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
9 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
14
2.
perencanaan lainnya.
3.
05/04/2016 11.40
2012100229MNBab2001
10 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
11 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
15
merupakan fungsi dari 1 atau beberapa variabel lain. Kegunaan metode ini adalah
untuk menemukan bentuk hubungan antara suatu suatu variable dengan variabelvariabel lain, dan menggunakannya untuk meramalkan nilai variable tak bebas
(yang diramalkan, dependen) terhadapa perubahan dari variebel bebasnya.
Sedangkan metode serial waktu adalah metode yang digunakan untuk
05/04/2016 11.40
2012100229MNBab2001
12 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
13 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
16
Analisis serial didasarkan para waktu yang berurutan atau beranjak sama
(mingguan, bulanan, kwartalan dan lainnya). Metode ini sering juga disebut
metode runtun waktu, metode deret waktu atau deret berkala menggambarkan
berbagai gerakan yang terjadi pada sederetan data pada waktu tertentu. Langkah
penting dalam memilih metode deret berkala atau runtun waktu adalah dengan
mempertimbangkan jenis pola data. Serangkaian data dalam serial waktu dapar
dikelompokkan ke dalam pola dasar sebagai berikut (lihat gambar 2.1).
05/04/2016 11.40
2012100229MNBab2001
14 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
15 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
17
menunjukkan gerakan yang tak teratur yang disebabkan oleh faktorfaktor di luar dugaan, seperti wabah, gempa bumi, dan sebagainya.
05/04/2016 11.40
2012100229MNBab2001
16 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
17 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
18
yang melibatkan analisis statistik terhadap data-data masa lalu. Penelitian yang
menggunakan rentetan data deret waktu, maka metode peramalan kuantitatif yang
dipakai adalah metode peramalan kuantitatif model deret waktu satu ragam.
Metode peramalan kuantitatif model deret waktu satu ragam adalah metode
peramalan yang fokus pada observasi terhadap urutan pola data yang secara
kronologis suatu peubah tertentu (Firdaus, 2006). Menurut Levine et. Al. (2002, p.
655) metode peramalan deret waktu melibatkan Peramalan nilai yang akan datang
dari sebuah variable berdasarkan pada pengamatan masa lalu dan sekarang dari
variable tersebut. Metode peramalan deret waktu dapat dibagi menjadi beberapa
metode sebagai berikut.
1. Metode Smoothing
Metode ini digunakan untuk melakukan pemulusan terhadap suatu deret
berkala dengan membuat rata-raat tertimbang dari sederetan data yang
lalu. Metode ini sangat efektif untuk peramalan jangka pendek dan tidak
membutuhkan banyak data.
Cocok untuk jangka pendek maupun jangka panjang. Makin banyak data
yang tersedia, hasilnya akan semakin baik.
4. Metode Dekomposisi
05/04/2016 11.40
2012100229MNBab2001
18 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
19 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
19
atau pengaruh antar variabel seperti pada model regresi; dengan demikian metode
ARIMA tidak memerlukan penjelasan mana variabel dependen dan inde[penden.
Metode ini tidak memerlukan pemecahan pola menjadi komponen trend,
seasonal, siklis atau irregular seperti pada data time series
pada umumnya.
Metode ini secara murni melakukan prediksi hanya berdasarkan data-data historis
yang ada. Hampir mustahil menerapkan ARIMA secara manual. Selain dikenal
dengan nama ARIMA, metode ini popular dengan sebutan metode Box-Jenkins,
karena dikembangkan oleh dua statistikawan Amerika Serikat, yakni G.E.P Box
dan G.M Jenkins pada tahun 1970. (Santoso, 2009, p. 152)
05/04/2016 11.40
2012100229MNBab2001
20 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
21 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
20
project the historical sales pattern to produce a forecast of next months sales.
ARIMA models rely heavily on autocorrelation patterns in the data.
Bab ini memperkenalkan model yang dapat menghasilkan peramalan yang
integrated moving average (ARIMA) model adalah kelas model linier yang
mampu mengolah data stasioner maupun non-stasioner time series. Perlu diingat
bahwa proses stasioner bergantung dari level tetap dan non-stasioner proses tidak
memiliki tingkat rata-rata alami konstan. Model ARIMA tidak melibatkan
variabel independen dalam pengolahannya. Sebaliknya, mereka memanfaatkan
informasi dalam seri itu sendiri untuk menghasilkan perkiraan. Misalnya model
sebuah variabel, yang bersenjang satu periode lebih, dengan variabel itu sendiri.
(Kazmier, 2005)
nilai sekarang dan nilai-nilai lampau dari variabel dependen untuk menghasilkan
peramalan jangka pendek yang akurat. Untuk peramalan jangka panjang
05/04/2016 11.40
2012100229MNBab2001
22 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
23 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
21
independen karena model ini menggunakan nilai sekarang dan nilai-nilai lampau
dari variabel dependen untuk menghasilkan peramalan jangka pendek yang
ARIMA telah banyak digunakan dalam literature pariwisata (Claveria & Datzira,
2010).
2.3.1 Model Autoregressive
Jika series stasioner adalah fungsi linier dari nilai-nilai lampaunya yang
berurutan atau nilai sekarang series merupakan rata-rata tertimbang nilai-nilai
lampaunya bersama dengan kesalahan sekarang, maka persamaan itu dinamakan
model autoregressive.
05/04/2016 11.40
2012100229MNBab2001
24 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
25 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
22
Dimana :
Yt
Ap
= koefisien
et
model autoregressive tingkat satu dan dilambangkan dengan AR. Agar model ini
stasioner, jumlah koefisien model autoregressive
dari 1. Ini merupakan syarat perlu, bukan cukup, sebab masih diperlukan syarat
lain untuk menjamin stationarity.
2.3.2 Model moving average
Jika series yang stasioner merupakan fungsi linier dari kesalahan peramalan
sekarang dan masa lalu yang berurutan, persamaan itu dinamakan moving
average model.
05/04/2016 11.40
2012100229MNBab2001
26 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
27 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
23
Dimana :
Yt
W1,2,q
et
Terlihat bahwa Y
tingkat 2 dan
pada
prinsipnya ekuivalen dengan suatu model ini. Agar model ini stasioner, suatu
syarat perlu (bukan cukup), yang dinamakan invertibility condition adalah bahwa
jumlah koefisien model
belakang peranan kesalahan makin mengecil. Jika kondisi ini tak terpenuhi
kesalahan yang semakin ke belakang justru semakin berperan.
Model MA meramalkan nilai Y
series tersebut stasioner, artinya rata-rata varian (s2) suatu data time series
05/04/2016 11.40
2012100229MNBab2001
28 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
29 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
24
konstan. Tapi seperti kita ketahui bahwa banyak data time series
dalam ilmu
ekonomi adalah tidak stasioner, melainkan integrated. Jika data time series
integrated dengan ordo 1 disebut I (1) artinya differencing pertama. Jika series itu
melalui proses differencing sebanyak d kali dapat djadikan stasioner, maka series
itu dikatakan non-stasioner homogen tingkat d.
stasioner tak dapat dengan baik dijelaskan oleh model moving average saja atau
autoregressive saja, karena proses itu mengandung keduanya. Karena itu,
Dimana :
Yt
Yt-1 , Yt-2
et-1 , et-2
05/04/2016 11.40
2012100229MNBab2001
30 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
31 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
25
Ciri-ciri stasioner dalam time series adalah nilai rata-rata (mean) dan varian
selalu konstan untuk setiap periode. Data time series yang tidak memeiliki tren
disebut stasioner. Stasioner berarti tidak terdapat pertumbuhan atau penurunan
pada data. Data secara kasarnya harus horizontal
Dengan kata lain, fluktuasi data berada di sekitar suatu nilai rata-rata yang
konstan, tidak tergantung pada waktu dan varians
pokoknya tetap konstan setiap waktu. Sebaliknya, data time series yang memiliki
tren disebut non-stasioner. Indikasi adanya non-stasioner pada data time series
ditunjukan dengan menurunnya koefisien auto korelasi mendekati nol (0) setelah
lag 2 atau lag 3. (Rangkuti, 2005, p. 67)
Hal yang perlu diperhatikan adalah bahwa kebanyakan deret berkala bersifat
berkenaan dengan deret berkala yang stasioner. Jadi suatu deret waktu yang tidak
stasioner harus diubah menjadi data stasioner dengan melakukan differencing.
Yang dimaksud dengan differencing adalah menghitung perubahan atau selisih
nilai observasi. Nilai selisih yang diperoleh dicek kembali apakah stasioner atau
tidak. Jika belum stasioner maka dilakukan tranformasi logaritma. (Administrator,
2009)
05/04/2016 11.40
2012100229MNBab2001
32 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
33 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
26
2.5
Pola autokorelasi
Setelah data runtut waktu telah stasioner, langkah berikutnya adalah
Mungkin saja terjadi bila suatu series non-stasioner homogen tidak tersusun
atas kedua proses itu, yaitu proses autoregressive maupun moving average. Jika
hanya mengandung proses autoregressive, maka series itu dikatakan mengikuti
Dalam (Hanke & Wichern, 2003, p. 389) Fungsi Autokorelasi (ACF) dan
Fungsi Autokorelasi Parsial (PACF) melalui korelogramnya. ACF mengukur
05/04/2016 11.40
2012100229MNBab2001
34 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
35 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
27
Menurun secara
bertahap/bergelombang
(sampai lag q masih
berbeda dari nol)
Partial autocorrelation
ARIMA
tentatif
ARIMA
(p,d,0)
Menurun secara
bertahap/bergelombang
Menurun secara
bertahap/bergelombang
(sampai lag p masih
berbeda dari nol)
ARIMA
(0,d,q)
ARIMA
(p,d,q)
tidak menyerupai salah satu dari pola yang ada pada tabel itu karena adanya
variasi sampling. Jika sudah terbiasa atau berpengalaman pemilihan p dan q
diharapkan dekat dengan yang benar. Perhatikan bahwa kesalahan memilih p dan
q bukan merupakan masalah, dan akan dimengerti setelah tahap diagnostic
05/04/2016 11.40
2012100229MNBab2001
36 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
37 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
28
eksponensial berarti terjadi proses MA. Jika keduanya melemah berarti terjadi
proses ARIMA (Arsyad, 1995).
Data yang bersifat time series cenderung memiliki hubungan antar periode.
Untuk mengetahui apakah data time series tersebut saling berhubungan satu sama
lain, kita dapat melakukan analisis autokorelasi. Idealnya, data yang bersifat time
series harus bebas dari pengaruh autokorelasi. Komponen yang membentuk pola
tertentu pada data time series
ARIMA model from the pattern of the sample autocorrelation and partial
autocorrelation. With a little practice, the analys should become more adept at
autokorelasi parsial. Dengan banyak latihan, analis dapat menjadi lebih mahir
dalam mengidentifikasi model yang memenuhi syarat.
1.6
05/04/2016 11.40
2012100229MNBab2001
38 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
39 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
29
nilai yang diramalkan dan yang diamati). Namun dalam text book lain ada
beberapa tekhnik untuk menghitung kesalahan peramalan.
Menurut (Weiers, 2011) ada beberapa teknik untuk mengevaluasi hasil
peramalan, diantaranya :
MINITAB
Minitab adalah program komputer yang dirancang untuk melakukan
pengolahan statistika. Minitab mengkombinasikan kemudahan penggunaan
05/04/2016 11.40
2012100229MNBab2001
40 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
41 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
30
powerful capabilities and unmatched ease of use make it the ideal teaching tool.
As a result more than 4000 colleges, universities and high schools worldwide rely
on MINITAB. Developed over 30 years ago, by professors for professor,
MINITAB has become the standard for statistic education. And because MINITAB
is the leading package used in industry for quality and process improvement,
student who learn MINITAB in class will have the advantage of knowing how to
use a real-world business tool MINITAB adalah perangkat lunak statistik yang
menyediakan berbagai kemampuan untuk analisis statistik baik dasar dan
lanjutan. Program ini memiliki kemampuan yang kuat dan mudah digunakan
yang digunakan dalam dunia bisnis sebenarnya (Ryan, Joiner, & Cryer, 2005, p.
xiii).
05/04/2016 11.40
2012100229MNBab2001
42 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
43 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
31
2.7
Pariwisata
Kegiatan kepariwisataan adalah kegiatan yang mengutamakan pelayanan
dengan berorientasi pada kepuasan wisatawan, pengusaha di bidang pariwisata,
pemerintah, dan masyarakat. Sebagai salah satu aktivitas fisik dan psikis manusia,
pariwisata didefinisikan oleh banyak ahli dengan definisi yang tidak terlalu jauh
berbeda. Menurut Simatupang,V. (2009 p. 24) mengatakan pariwisata adalah
semua proses yang ditimbulkan oleh arus perjalanan lalu lintas orang orang dari
luar ke suatu negara atau daerah dan segala sesuatu yang terkait dengan proses
tersebut seperti makan/minum, transportasi, akomodasi, dan objek atau hiburan.
Sedangkan menurut Spillane (1997:105) dalam Pitana (2005 p. 46)
kategori yaitu:
a. menurut asal wisatawan,
b. akibat terhadap neraca pembayaran,
c. jangka waktu,
05/04/2016 11.40
2012100229MNBab2001
44 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
45 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
32
Jenis pariwisata yang sudah dikenal saat ini antara lain: wisata budaya,
wisata kesehatan, wisata olah raga, wisata komersial, wisata industri, wisata
politik, wisata konvensi, wisata sosial, wisata pertanian, wisata maritim/bahari,
wisata cagar alam, wisata buru, wisata pilgrim, wisata bulan madu, dan wisata
petualangan.
2.8
Permintaan pariwisata
Permintaan pariwisata didefinisikan sebagai, sejumlah orang yang
mengadakan perjalanan atau akan mengadakan perjalanan dengan menggunakan
fasilitas dan atau jasa-jasa di tempat tersebut (Mathieson and Wall, 1982).
Definisi ini mengacu kepada luasnya dampak, yang berkaitan dengan harga dan
pendapatan, sebagai determinan permintaan dan termasuk mereka yang bepergian
maupun yang ingin bepergian tetapi karena salah satu sebab tidak bias
Adalah jumlah yang secara nyata bepergian, hal ini mudah untuk diukur dan
merupakan sebagian besar dari data statistik berasal dari data ini.
masalah
05/04/2016 11.40
2012100229MNBab2001
46 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
47 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
33
Dengan kata lain permintan potensial dan permintaan tertahan akan berubah
menjadi permintaan actual dan efektif di masa akan dating atau tidak ada
permintaan bepergian sama sekali.
2) Pendekatan geografi
3) Pendekatan psikologi
Para ahli psikologi berpikir lebih dalam melihat dari permintaan
pariwisata, termasuk didalamnya interaksi antara kepribadian calon
wisatawan, lingkungan dan dorongan dari lubuk jiwanya untuk
melakukan pariwisata.
2.9
Motivasi berwisata
05/04/2016 11.40
2012100229MNBab2001
48 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
49 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
34
5. Sprirituality / spriritual
6. Health / kesehatan
7. Study / belajar
8. Multipurpose tourism / wisata dengan tujuan ganda
05/04/2016 11.40
2012100229MNBab2001
50 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
51 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
35
terbentuk karena adanya kebutuhan dan/atau keinginan dari manusia itu sendiri,
sesuai dengan teori hierarki Maslow. Konsep Maslow tentang hierarki kebutuhan
yang dimulai dari kebutuhan fisiologis, kebutuhan keamanan, kebutuhan sosial,
kebutuhan prestis, dan kebutuhan akan aktualisasi diri, telah dijadikan dasar
untuk meneliti motivasi wisatawan. Sedangkan motivasi ekstrinsik adalah
motivasi yang terbentuknya dipengaruhi oleh faktor
norma sosial, pengaruh atau tekanan keluarga, dan situasi kerja yang
Penelitian Terdahulu
Nama
pengarang
Hussein Ali
Al-Zeaud
Hasil penelitian
European Journal of
Administrative Sciences,
Forecasting Volatility
05/04/2016 11.40
2012100229MNBab2001
52 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
53 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
36
Tofani,
Mauludiyanto
Achmad
didapat model
05/04/2016 11.40
2012100229MNBab2001
54 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
55 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
37
International Journal of
Business and
5,56%.
8119 Forecasting
Investment
1)
1833-3850 E-ISSN 1833- and Eviews, 3.1) untuk analisi data dan
Foreign Direct
Purnamasari.
2231-4172, China E-
Analysis: Forecasting
Ria
Commerce Market
05/04/2016 11.40
2012100229MNBab2001
56 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
57 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
38
Oscar
TOURISM REVIEW,
Datzira
Claveria; Jordi VOL. 65 NO. 1 2010, pp. pariwisata di Katalonia dari Negara
Publishing Limited,
Forecasting tourism
ISSN 1660-5373,
demand using
05/04/2016 11.40
2012100229MNBab2001
58 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
59 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
39
consumer expectations
05/04/2016 11.40
2012100229MNBab2001
60 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40
2012100229MNBab2001
61 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
40
Input Data
Uji Autokorelasi
Stasioner
Non Stasioner
Differencing = 0
Differencing
=
1
Peramalan
Percobaan Model
ARIMA
Pemilihan Model
ARIMA Terbaik
Parameter MS &
MSE Terkecil
05/04/2016 11.40
2012100229MNBab2001
62 of 62
http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/201210022...
05/04/2016 11.40