Tourism Management 24 (2003) 475-487

particularly during 1998. In comparison, other Asian
nations affected by the Asian financial crisis quickly
recovered and witha few exceptions (Singapore
experienced 4.63% fewer arrivals in 1999 than 1996)
recorded higher inbound tourism in 1999 than 1996, the
last full year prior to the onset of the Asian financial
crisis.
The net result of these series of shocks to the
Indonesian tourism industry can be illustrated by
comparing actual arrival data withforecast arrival
figures (
Table 1
). The difficulties of forecasting tourism
flows in periods of uncertainty or where the unexpected
occurs is clearly illustrated by comparing forecasts with
actual arrivals and departures using bilateral tourism
flows between Indonesia and Australia in the period
1997–2000. The table clearly illustrates the difficulties
encountered by forecasters using standard forecasting
tools during times of uncertainty and the impact that
unanticipated shocks can produce.
Australian outbound tourists indicating that Indone-
sia was their main destination of travel grew rapidly
B. Prideaux et al. / Tourism Management 24 (2003) 475–487
481

---

from 158,000 in 1990 to peak at 350,000 in 1998 when
Indonesia was the second most popular destination
for Australian outbound visitors. Prior to the adverse
reporting in the Australian media of Indonesia’s
handling of the East Timor situation and the subsequent
widespread coverage of anti-Australian sentiment in
Indonesia, Australian departures were forecast to be
531,000 (TFC, 1999) but were actually 246,000 because
of the sharp fall in the value of the Rupiah. The
significant differences in projections made during the
period 1997–2000 are a reflection of the inability of
traditional forecasting techniques to account for the
unexpected and therefore point to the need for the
inclusion of additional forecasting tools including
scenario analysis.
5.3. Indonesian crisis—the limits of forecasting
Forecasts produced during the early part of the 1990s
did not include an allowance for political and financial
difficulties that were experienced later in the decade.
This is not surprising as a capability of this nature is
beyond the scope of current forecasting methods.
However, alternative approaches including scenario
development, risk analysis and/or political analysis as
suggested by
Richter (1999)
may have concluded that
Indonesia was entering the same type of domestic
conditions encountered prior to the overthrow of the
Marcos regime in the 1980s.
While on the surface Indonesia appeared politically
stable throughout the early 1990s, a number of political
pressures were beginning to build that eventually
culminated in the collapse of President Suharto’s New
Order when he resigned in 1997. The hallmarks of the
New Order period were tight control of the media, the
centralisation of power in the Presidency, and the
ineffective nature of the parliamentary process char-
acterised by the Peoples Consultative Council which
meet infrequently and had 200 of its 700 members
appointed by the President. In the final years of the New
Order, concerns developed over systemic corruption, the
alleged wealth of the Suharto family and infringements
of human rights. Importantly, there was no apparent
mechanism for the succession of the Presidency or
indication that thought had been given to the democra-
tisation of the parliamentary process. If these factors
had been considered in the light of conditions that
existed a decade earlier in the lead up to the overthrow
of President Marcos in the Philippines and the ensuing
years of unrest as pro Marcos forces sought to restore
the old order, the possibility of some form of internal
disruption in Indonesia during the late 1990s would
have at least appeared to merit consideration. Unfor-
tunately, forecasters appear to have neglected such
considerations.
There are a number of commercially available risk
assessment reports that may assist, the International
Country Risk Guide (
Sealey, 2000
) published by the
PRS Group being one example. Based on a composite
risk rating that included evaluation of quantitative
indicators of political risk, economic risk and financial
risk, the International Risk Guide published in May
2000 listed Indonesia as a high-risk nation ranking 106
out of 140 countries evaluated. In the equivalent period
in 1999 the International Risk Guide had ranked
Indonesia at 130 indicating that increased stability
had somewhat reduced the magnitude of risk during
1999–2000. In comparison, the risk rankings for some of
Indonesia’s major trading partners in May 2000 were:
Singapore 1, Japan 13, Australia and Taiwan shared
15thplace, th
e USA 19 and Korea 27. In a 5 year
forecast of the most probable risk, Indonesia rated
62 against a 100 point index, with100 indicating
the least risk. In comparison Singapore rated 78,
Japan 85, Australia 88, Taiwan 80.5, Korea 78.5 and
the USA 80.5
Table 1
Comparison of forecasts and actual arrival data 1996–2002 (‘000) by tourism forecasting council
1996
1997
1998
1999
2000
2001
2002
2003
TCF forecast Indonesian arrivals to Australia (1997)
186
221
259
300
347
389
457
TCF forecast Indonesian arrivals to Australia (1998)
75
75
88
97
108
121
TCF forecast Indonesian arrivals to Australia (1999)
90
102
111
124
139
TCF forecast Indonesian arrivals to Australia (2000)
102
111
124
139
TCF forecast Indonesian arrivals to Australia (2001)
95
101
112
Actual Indonesian Arrivals in Australia
155
160
93
91
83
94
TCF forecast of Australian departures to Indonesia (1997) 1
TCF forecast of Australian departures to Indonesia (1998)
311
339
360
376
397
412
426
TCF forecast of Australian departures to Indonesia (1999)
360
376
397
412
426
TCF forecast of Australian departures to Indonesia (2000)
276
316
345
372
TCF forecast of Australian departures to Indonesia 2001
222
242
260
Actual Australian Arrivals to Indonesia
380
539
394
531
460
Source: Based on forecasts by
TFC 1997a,b, 1998, 1999, 2000, 2001
.
B. Prideaux et al. / Tourism Management 24 (2003) 475–487
482

---

The discussion of the Indonesian crisis has illustrated
that while unexpected events are certain to occur,
traditional forecasting methods are inadequate without
the incorporation of new forecasting techniques that
are sensitive to signals regarding potential crises
and the consideration of risk ranking that use a range
of quantitative measures not usually employed in
current forecasting methods. Indonesia proved not to
have the institutional resilience to weather the partially
self-inflicted disaster in its tourism industry. In the case
of Indonesia, years of undemocratic government,
cronyism and corruption have resulted in rigidities
that have made its industry less adaptable and un-
able to respond creatively to new challenges. While not
all countries face the same level of problems experienced
by Indonesia in the period 1997–2002, the impact of
events such as the Asian financial crisis and the Gulf
War may have significant and unanticipated impacts.
Introducing new elements into forecasting, including a
wide range of scenarios based on political and economic
risk may enhance managers’ ability to plan for the
future.
6. Modelling disruptions to tourism
A model of the factors influencing tourism flows
between an origin and a specific destination was
proposed by
Laws (1995)
. The direction, frequency
and intensity of tourist flows are the cumulative
outcome of several influences either creating push
conditions in the origin, or pulling visitors towards the
destination. The approach is similar to
Dann (1977)
,
who explains that push factors are those that provide the
impetus for individuals to travel, raising the question of
where to go. According to
Dann (1977
, p. 168) ‘Pull
factors are the destination specific attributes which tend
to determine whether the traveller will go to A or to B.’
The amount of free time and disposable income of the
population in tourist origin areas determine the overall
volume of demand for travel from that area, pushing
tourists towards destinations, while the differences in
climate, culture and other attractions of the destination
pull visitors towards it. Over a period of time, the flow
linking one destination and one origin will stabilise,
through familiarity and the institutions of tourism
marketing and tour operating. But three additional
groups of factors can disrupt the established flow,
suddenly and unpredictably withpotentially severe
consequences for the destination. The groups of factors
are:
Inhibiting factors
. Events in the country of origin,
suchas an economic depression, political uncertainty or
adverse foreign exchange rates may inhibit the outflow
of tourists to all destinations.
Diverting factors
. Another disruption to established
travel patterns is the development of new destinations
(or existing destinations setting their prices at more
accessible levels). This has the effect of diverting existing
tourist flows.
Repelling factors
. The destination may experience a
natural catastrophe or civil unrest, thus repelling
incoming tourists from all countries of origin. At a
lower level of disruption, Governments have sometimes
imposed stringent visa requirements for visitors from