Asrori, Nur Indah (2019) Prediksi Kepadatan Kendaraan Berdasarkan Data History E-Toll di PT. Jasamarga Pandaan Tol Menggunakan Hidden Markov Model. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211540000026-Undergraduate_Theses.pdf Download (2MB) | Preview |
Abstract
Jalan tol Gempol-Pandaan berperan strategis dalam pengembangan wilayah. Pada tahun 2017 jumlah kendaraan yang melewati tol Gempol-Pandaan mengalami peningkatan. Hal ini akan berdampak pada kemacetan dan kerusakan jalan akibat sering dilewati oleh banyak mobil khususnya bus dan truk dengan muatan yang melebihi kapasitas. Mengingat pentingnya tujuan dibangun jalan tol ini, maka diperlukan prediksi kepadatan kendaraan di jalan tol Gempol, Kejapanan, Bangil, dan Rembang dengan tujuan tol Pandaan. Pada penelitian ini kepadatan kendaraan ditinjau dari probabilitas dan jumlah kendaraan golongan I, II, III, IV, V yang berasal dari tol Bangil, Gempol, Kejapanan, dan Rembang. Asal gerbang dan golongan kendaraan tersebut tidak dapat diamati secara langsung, melainkan mobil tersebut harus melewati salah satu gardu tol untuk melakukan tapping e-Toll, sehingga metode yang digunakan pada penelitian ini adalah Hidden Markov Model (HMM). Hasil penelitian menunjukkan estimasi parameter HMM menggunakan Bayesian lebih baik daripada metode Expectation Maximazation (EM). Hal ini didasarkan pada nilai akurasi Bayesian yang lebih tinggi dan hasil estimasi yang dihasilkan mirip dengan parameter input sehingga model yang terbentuk lebih representatif jika digunakan untuk memprediksi kepadatan kendaraan.
================================================================================================================================
Gempol-Pandaan toll is a strategic center for regional development. In 2017, The number of vehicles passing through the Gempol-Pandaan toll has increased. This condision will impact on traffic jam and road damage due to passes by many cars, especially trucks with loads that exceed capacity. Therefore, it is necessary to do vehicle’s density prediction from the Gempol, Kejapanan, Bangil and Rembang toll to Pandaan toll. In this research, vehicle’s density is viewed from the probability and number of vehicles each group I, II, III, IV, V form Bangil, Gempol, Kejapanan, and Rembang toll. The origin gate and vehicle category that can not be observed directly, but the car must pass the toll gate to do tapping e-toll card, so the method used in this research is Hidden Markov Model (HMM). The result of this research shows that HMM parameter estimation using Bayesian is better than EM because has higher accuracy value and the estimation value similar to input parameters so that the model is more representative if used to vehicle’s density prediction.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSt 519.535 Asr p-1 2019 |
| Uncontrolled Keywords: | Bayesian, Expectation Maximazation, Hidden Markov Model, Kepadatan Kendaraan,Tol |
| Subjects: | Q Science > QA Mathematics > QA274.2 Stochastic analysis Q Science > QA Mathematics > QA274.7 Markov processes--Mathematical models. Q Science > QA Mathematics > QA280 Box-Jenkins forecasting |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Nur Indah Asrori |
| Date Deposited: | 29 May 2023 02:39 |
| Last Modified: | 29 May 2023 02:39 |
| URI: | http://repository.its.ac.id/id/eprint/63917 |
Actions (login required)
 |
View Item |