Pengelompokan Negara Asal Wisatawan Mancanegara | Rumus Statistik

Pengelompokan Negara Asal Wisatawan Mancanegara

I. PENDAHULUAN

Pariwisata telah menjadi salah satu andalan utama dalam menghasilkan devisa di berbagai negara di dunia termasuk di Indonesia. Wisatawan mancanegara yang mengunjungi Indonesia selama tahun 2013 mencapai 8,8 juta orang atau tumbuh sebesar 9,42 persen dibandingkan tahun sebelumnya. Hal ini telah meningkatkan penerimaan negara dari wisatawan mancanegara sebesar USD 10.054 juta.

Masuknya wisatawan mancanegara yang membawa valuta asing ke Indonesia, akan memperkuat neraca pembayaran dan perdagangan. Penerimaan devisa negara dari pariwisata bersumber dari uang yang dikeluarkan atau dibelanjakan oleh wisatawan asing selama yang bersangkutan melakukan kunjungan ke Indonesia. Pengeluaran tersebut berupa pengeluaran untuk penginapan (akomodasi), makan dan minum, transportasi lokal dan tour, cenderamata, tip, dan lain-lain.

Wisatawa mancanegara yang datang ke Indonesia berasal dari berbagai negara di dunia. Wisatawan mancanegara yang paling banyak mengunjungi Indonesia pada tahun 2013 adalah warga negara Singapura, Malaysia, Australia, Republik Cina, Jepang, Republik Korea, Filipina, Taiwan, Amerika Serikat dan Inggris Raya.

Penelitian ini bertujuan untuk melihat karakteristik wisatawan mancanegara berdasarkan negara asalnya dengan terlebih dahulu melakukan pengelompokan wisatawan menurut kelompok negara asalnya agar analisisnya lebih sederhana. Dengan adanya pengelompokan tersebut diharapkan bisa membantu pemerintah dalam pengambilan kebijakan terkait wisatawan mancanegara sesuai dengan daerah asalnya.


II. TINJAUAN PUSTAKA

2.1. Wisatawan Mancanegara

Wisatawan mancanegara adalah setiap pengunjung yang mengunjungi suatu negara di luar tempat tinggalnya, didorong oleh satu atau beberapa keperluan tanpa bermaksud memperoleh penghasilan di tempat yang dikunjungi dan lamanya kunjungan tersebut tidak lebih dari 12 (dua belas) bulan.

2.2. Analisis Komponen Utama

Tinjauan analisis komponen utama dapat dilihat pada materi: Analisis Komponen Utama.

2.3. Analisis Faktor

Tinjauan analisis faktor dapat dilihat pada materi: Analisis Faktor.

2.4. Analisis Cluster

Tinjauan analisis cluster dapat dilihat pada materi: Analisis Cluster.


III. METODOLOGI

Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). BPS memperoleh data jumlah kedatangan wisatawan mancanegara dari pengumpulan kartu Arrival and Departure (A/D Card) yang dilakukan oleh Direktorat Jenderal Imigrasi. Data penerimaan, pengeluaran dan rata-rata lama tinggal wisatawan mancanegara diperoleh dari hasil Passenger Exit Survey yang dilakukan oleh Kementerian Pariwisata dan Ekonomi Kreatif bekerja sama dengan BPS.

Data mengenai wisatawan mancanegara mencakup semua wisatawan mancanegara yang tiba di Indonesia melalui bandara, pelabuhan dan melalui darat. Ada 93 pintu kedatangan yang berada diseluruh wilayah Indonesia, 65 diantaranya adalah pelabuhan, 24 adalah bandara dan 4 melalui darat. Empat bandara utama adalah Soekarno-Hatta (Jakarta), Ngurah Rai (Bali), Polonia (Medan) dan Sekupang (Batam).

Variabel yang digunakan adalah sebagai berikut.
X1 Jumlah kedatangan wisatawan mancanegara ke Indonesia,
X2 Rata-rata lama tinggal wisatawan mancanegara (hari),
X3 Rata-rata pengeluaran wisatawan mancanegara per kunjungan (USD),
X4 Penerimaan dari wisatawan mancanegara (juta USD).

Langkah-langkah yang dilakukan dalam penelitian ini adalah sebagai berikut.
  1. Melakukan pengumpulan data sekunder yang diperlukan dalam penelitian ini.
  2. Melakukan analisis komponen utama dan analisis faktor terhadap variabel-variabel yang digunakan.
  3. Melakukan analisis cluster berdasarkan faktor skor yang terbentuk dari analisis faktor.
  4. Melakukan analisis deskriptif terhadap kelompok-kelompok yang telah terbentuk serta membandingkan data antar kelompok.
  5. Membuat kesimpulan dan saran.
Semua pengolahan data dalam penelitian ini menggunakan perangkat lunak Microsoft Excel dan SPSS.


IV. HASIL DAN PEMBAHASAN

4.1. Analisis Komponen Utama dan Faktor

Sebelum melakukan analisis komponen utama dan analisis cluster, terlebih dahulu dilakukan Uji Kaiser Meyer Olkin (KMO) dan Uji Bartlett. Hasil uji KMO dan bartlett adalah sebagai berikut.

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,564
Bartlett's Test of Sphericity Approx. Chi-Square 113,512
df 6
Sig. 0,000

Nilai KMO adalah 0,564, sedangkan nilai Uji Bartlett adalah 113,512 dengan p-value sebesar 0,000. Karena angka KMO sudah di atas 0,5 dan signifikansi Uji Bartlett di bawah 0,05 maka variabel-variabel yang digunakan dapat dianalisis lebih lanjut menggunakan analisis komponen utama dan analisis faktor.

Berikut ini ditampilkan output total varian yang mampu dijelaskan oleh komponen utama yang terbentuk.

Total Variance Explained
Component Initial Eigenvalues Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2,702 67,562 67,562 1,939 48,475 48,475
2 1,147 28,679 96,241 1,911 47,766 96,241
3 0,089 2,222 98,464
4 0,061 1,536 100,000
Extraction Method: Principal Component Analysis.

Berdasarkan output tersebut, jumlah komponen utama yang terbentuk adalah 2 komponen utama, yaitu Faktor 1 dan Faktor 2. Dari kolom Rotation Sums of Squared Loadings, tampak bahwa Faktor 1 mampu menjelaskan varian sebesar 48,475%, sedangkan Faktor 2 mampu menjelaskan varian sebesar 47,766%. Jadi total varian yang mampu dijelaskan oleh kedua faktor tersebut adalah 96,241%.

Berikut ini ditampilkan output Communalities yang menjelaskan besarnya peranan variabel awal dalam membentuk faktor yang terbentuk.

Communalities
  Initial Extraction
X1 1,000 ,961
X2 1,000 ,958
X3 1,000 ,963
X4 1,000 ,967
Extraction Method: Principal Component Analysis.

Dari tabel tersebut, variabel X1 menjelaskan kedua faktor yang terbentuk sebesar 96,1%, variabel X2 sebesar 95,8%, variabel X3 sebesar 96,3% dan variabel X4 sebesar 96,7%.

Output Component Matrixa di bawah ini memberikan penjelasan seberapa besar korelasi masing-masing variabel awal dengan masing-masing faktor yang terbentuk.

Component Matrixa
  Component
1 2
X1 -0,863 0,465
X2 0,842 0,499
X3 0,807 0,559
X4 -0,773 0,608
Extraction Method: Principal Component Analysis.
a. 2 components extracted.


Agar korelasi masing-masing variabel dengan salah satu faktor menjadi semakin kuat, maka dilakukan rotasi. Hasil rotasinya adalah sebagai berikut.

Rotated Component Matrixa
  Component
1 2
X1 -0,289 0,936
X2 0,951 -0,234
X3 0,967 -0,167
X4 -0,126 0,975
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.a
a. Rotation converged in 3 iterations.


Proses rotasi menghasilkan korelasi yang kuat masing-masing variabel awal dengan salah satu faktor yang terbentuk. Hasil korelasi tersebut menunjukkan penempatan variabel ke dalam salah satu faktor.

Faktor 1 terbentuk kuat oleh variabel X2 (Rata-rata lama tinggal wisatawan mancanegara (hari)) dan X3 (Rata-rata pengeluaran wisatawan mancanegara per kunjungan (USD)), sedangkan Faktor 2 terbentuk dari variabel X1 (Jumlah kedatangan wisatawan mancanegara ke Indonesia) dan X4 (Penerimaan dari wisatawan mancanegara (juta USD)).

Berdasarkan variabel-variabel pembentuknya tersebut, maka Faktor 1 diberi nama Faktor Makro, sedangkan Faktor 2 diberi nama Faktor Mikro.

Berikut ini adalah output Component Score Coefficient Matrix yang menyajikan bentuk hubungan atau model persamaan antara faktor dengan variabel penyusunnya. Component Score Coefficient merupakan kontanta atau koefisien serupa dengan koefisien regresi \((\beta_i)\) pada persamaan regresi berganda.

Component Transformation Matrix
Component 1 2
1 0,714 -0,701
2 0,701 0,714
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.


Semua dimensi atau variabel penyusun faktor telah ditranspormasi ke dalam data standar atau data Z (data Z mempunyai rata-rata = 0, varians = 1, dan data tanpa satuan atau relatif). Nilai faktor untuk setiap sampel disebut dengan nilai skor faktor (SF) dan setiap nilai skor faktor merupakan data baru yang menyusun sebuah variabel baru dari sub-variabel penyusun atau dimensi atau itemnya.

Dari output Component Score Coefficient Matrix di bawah ini dapat dibuat model hubungan antara variabel awal dengan faktor yang terbentuk.

Component Score Coefficient Matrix
  Component
1 2
X1 -0,289 0,936
X2 0,951 -0,234
X3 0,967 -0,167
X4 -0,126 0,975
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.


Persamaan atau model hubungannya adalah sebagai berikut. \[ \begin {align*} F_1&=0\text{,}056ZX_1+0\text{,}527ZX_2+0\text{,}554ZX_3+0\text{,}167ZX_4 \\ F_2&=0\text{,}513ZX_1+0\text{,}092ZX_2+0\text{,}138ZX_3+0\text{,}578ZX_4 \end {align*} \] Dari persamaan tersebut dapat dibentuk skor faktor untuk setiap faktor yang selanjutnya digunakan untuk Analisis Cluster.

4.2. Analisis Cluster

Dengan menggunakan skor kedua faktor, dapat dibentuk kelompok dengan menggunakan Analisis Cluster. Proses pengelompokan menggunakan jarak eucledian dan metode Ward.

Dari hasil dendogram, dapat dibentuk 2 kelompok negara asal wisatawan mancanegara dengan melakukan pemotongan vertikal di garis 21, sehingga terbentuk Kelompok Negara I dan Kelompok Negara II. Negara-negara asal wisatawan mancanegara yang masuk ke dalam Kelompok Negara I dan Kelompok Negara II adalah sebagai berikut.
  1. Kelompok Negara I: Pakistan, Bangladesh, Thailand, Hongkong, India, Filipina, Taiwan, Rep. Korea, Selandia Baru, Brunei Darussalam, Srilanka, Malaysia dan Singapura.
  2. Kelompok Negara II: Kanada, Austria, Norwegia, Belgia Swiss, Swedia, Finlandia, Denmark, Inggris Raya, Amerika Serikat, Jerman, Perancis, Belanda, Rusia, Jepang, Rep. China dan Australia.
Jika diperhatikan lebih seksama, ternyata semua negara-negara yang masuk ke dalam Kelompok Negara I adalah negara-negara yang berada di benua Asia. Sedangkan kelompok kedua didominasi oleh negara di luar Asia. Hanya Jepang dan Republik China saja negara di wilayah Asia yang masuk ke dalam Kelompok Negara II.

4.3. Analisis Statistik Deskriptif

Statistik deskriptif digunakan untuk membandingkan karakteristik wisatawan mancanegara yang berasal dari Kelompok Negara I dan Kelompok Negara II. Perbandingannya bisa dilihat dari sisi rata-rata lama tinggal dan besarnya pengeluaran. Selain itu juga bisa dilihat dari rata-rata jumlah kedatangan dan jumlah penerimaan negara.

Rata-rata lama tinggal dan besarnya pengeluaran wisatawan mancanegara yang berasal dari Kelompok Negara I dan Kelompok Negara II disajikan dalam tabel berikut.

Rata-rata Lama Tinggal (Hari) dan Rata-rata Pengeluaran Wisatawan Mancanegara (USD)
Kelompok Negara Rata-rata lama tinggal (hari) Rata-rata pengeluaran (USD)
I 6,4 928,9
II 11,7 1.640,5

Rata-rata lama tinggal wisatawan mancanegara yang berasal dari Kelompok Negara I tidak lebih lama daripada yang berasal dari Kelompok Negara II yaitu hanya selama 6,4 hari, sedangkan yang berasal dari Kelompok Negara II selama 11,7 hari. Hal tersebut juga berhubungan dengan rata-rata pengeluarannya, dimana pengeluaran wisatawan mancanegara yang berasal dari Kelompok Negara I per kunjungan tidak lebih besar daripada Kelompok Negara II yaitu hanya USD 928,9, sedangkan rata-rata pengeluaran wisatawan mancanegara yang berasal dari Kelompok Negara II sebesar USD 1.640,5.

Rata-rata jumlah kedatangan wisatawan mancanegara dan besarnya penerimaan yang diterima oleh Indonesia disajikan dalam tabel berikut.

Rata-rata Jumlah Kedatangan dan Besarnya Penerimaan oleh Negara (Juta USD)
Kelompok Negara Rata-rata jumlah kedatangan per negara Rata-rata besarnya penerimaan oleh negara (juta USD)
I 338.512 267,4
II 203.747 283,6

Rata-rata jumlah kedatangan wisatawan mancanegara ke Indonesia untuk negara-negara yang berada di Kelompok Negara I lebih banyak daripada yang berasal dari Kelompok Negara II yaitu sebanyak 338.512 wisatawan, sedangkan pada Kelompok Negara II hanya 203.747 wisatawan.

Begitu juga dengan rata-rata penerimaan dari wisatawan mancanegara Kelompok Negara I lebih rendah dari Kelompok Negara II yaitu sebesar USD 267,4 juta. Sedangkan rata-rata pada Kelompok Negara II adalah USD 283,6 juta.

Dapat dilihat disini bahwa ternyata rata-rata jumlah kedatangan per negara untuk negara-negara Kelompok Negara II lebih kecil daripada Kelompok Negara I, namun penerimaan negara yang berasal dari negara yang berasal dari Kelompok Negara II lebih besar dari Kelompok Negara I.


V. KESIMPULAN DAN SARAN

5.1. Kesimpulan

Dengan menganalisis 4 variabel yaitu jumlah kedatangan wisatawan mancanegara ke Indonesia, rata-rata lama tinggal wisatawan mancanegara (hari), rata-rata pengeluaran wisatawan mancanegara per kunjungan (USD), penerimaan dari wisatawan mancanegara (juta USD) dengan menggunakan analisis komponen utama dan analisis faktor dapat dibentuk dua faktor. Faktor tersebut adalah Faktor Makro dan Faktor Mikro.

Dengan menggunakan skor faktor dari kedua faktor tersebut, dilakukan pengelompokan negara asal wisatawan mancanegara yang datang ke Indonesia. Kelompok yang dibentuk adalah dua kelompok, yaitu Kelompok Negara I dan Kelompok Negara II.

Negara asal wisatawan mancanegara yang masuk Kelompok Negara I adalah Pakistan, Bangladesh, Thailand, Hongkong, India, Filipina, Taiwan, Rep. Korea, Selandia Baru, Brunei Darussalam, Srilanka, Malaysia dan Singapura. Sedangkan negara asal yang masuk Kelompok Negara II adalah Italia, Kanada, Austria, Norwegia, Belgia Swiss, Swedia, Finlandia, Denmark, Inggris Raya, Amerika Serikat, Jerman, Perancis, Belanda, Rusia, Jepang, Rep. China dan Australia.

5.2. Saran
  1. Variabel yang digunakan untuk dijadikan dasar melakukan analisis cluster masih sedikit sehingga perlu penambahan variabel.
  2. Kelompok yang terbentuk ternyata terbentuk menurut wilayahnya. Semua anggota Kelompok Negara I diisi oleh negara-negara yang berasal dari wilayah Asia. Sedangkan Kelompok Negara II didominasi oleh negara-negara di luar wilayah Asia. Oleh karena itu ada baiknya untuk penelitian selanjutnya pengelompokan bisa langsung dilakukan dan menganalisis perbedaan karakteristik wisatawan mancanegara menurut keberadaan negara asalnya yaitu yang berada di Benua Asia dan yang berada di luar Benua Asia.
  3. Sebenarnya setelah dilakukan pengelompokan, akan dilakukan uji beda rata-rata antar kelompok untuk setiap variabel. Namun karena data masing-masing variabel setiap kelompok tidak berdistribusi normal, maka pengujian tidak dapat dilakukan. Untuk penelitian selanjutnya, data negara-negara asal wisatawan mancanegara mesti lebih diperbanyak sehingga data setiap variabel masing-masing kelompok bisa memiliki distribusi normal.

DAFTAR PUSTAKA
  • http://www.bps.go.id/menutab.php?tabel=1&kat=2&id_subyek=16 diakses pada 22 November 2014
  • Lumaksono, dkk. 2012. Dampak Ekonomi Pariwisata Internasional pada Perekonomian Indonesia, Forum Pascasarjana Vol. 35 No. 1 Januari 2012:53-68
  • Morrison DF. 1967. Multivariate Statistical Methods. New York Mc.Graw-Hill, Inc. 2013
  • Sarwoko. 2011. Stasionaritas Produk Domestik Bruto Riil Perkapita dari Lima Besar Negara Asal Wisatawan Mancanegara ke Indonesia Tahun 1970-2009, Jurnal Akuntansi dan Manajemen, Vol. 22, No. 1, April 2011 Hal. 85-94

Penulis: Rory

0 Komentar untuk "Pengelompokan Negara Asal Wisatawan Mancanegara"