Peramalan Jumlah Kecelakaan Di Jalan Tol Dengan Model Generalized Autoregressive Moving Average (GARMA)

Puspaningrum, Theresia Anindya (2022) Peramalan Jumlah Kecelakaan Di Jalan Tol Dengan Model Generalized Autoregressive Moving Average (GARMA). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111840000035-Undergaduate_Thesis.pdf - Accepted Version Download (1MB)

Abstract

Model peramalan yang sering digunakan adalah model time series regresi dan ARIMA. Model ini mempertimbangkan asumsi data yang stasioner dan menyebar normal, namun pada tipe data time series yang merupakan data count, seringkali ditemukan bahwa data tidak menyebar normal dan stasioner sehingga model klasik Gaussian tidak selalu akurat dalam perhitungannya. Generalized Linear Model (GLM) merupakan solusi untuk menganalisis data count. Setelah dilakukan penelitian secara terus – menerus, dikembangkanlah sebuah model peramalan yaitu Generalized Autoregressive Moving Average (GARMA) untuk data yang mengikuti distribusi non – Gaussian seperti distribusi Poisson dan Binomial Negatif. Untuk mengestimasi parameter model Poisson GARMA dan Binomial Negatif GARMA digunakan metode Maximum Likelihood Estimation (MLE) dengan pendekatan optimasi Iteratively Reweighted Least Square (IRLS). Data yang digunakan dalam penelitian ini adalah data jumlah kecelakaan yang terjadi di Jalan Tol Surabaya – Gempol ruas Banyu Urip – Porong yang terdistribusi Poisson dan Binomial Negatif. Pada penelitian model ARIMA digunakan dalam mencari orde

Item Type:	Thesis (Other)
Additional Information:	RSMa 519.535 Pus p-1 2022
Uncontrolled Keywords:	Data count, Binomial Negatif GARMA, Poisson GARMA, IRLS.
Subjects:	Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	- Davi Wah
Date Deposited:	13 Dec 2024 09:01
Last Modified:	13 Dec 2024 09:01
URI:	http://repository.its.ac.id/id/eprint/115971

Actions (login required)

View Item