Aplikasi Model Functional ARMA Process Terhadap Data Arus Lalu Lintas
DOI:
https://doi.org/10.34123/jurnalasks.v11i1.185Keywords:
functional data analysis, functional ARMA process, traffic data analysisAbstract
Model lalu lintas makroskopik merupakan kombinasi model Principal Component Analysis (PCA) dengan timeseries ARMA (Autoregressive Moving Average). Pemodelan lintas mikroskopik dapat digunakan dalam solusi permasalahan prediksi kemacetan lalu lintas di Indonesia. Penelitian ini bertujuan untuk mengaplikasikan functional ARMA(p,q) processes dan model berbasis vektor pada functional PCA guna memprediksi kemacetan lalu lintas pada jalan tol. Data yang digunakan merupakan high dimensional data yang diambil dari Road Traffic Microwave System (RTMS) Jasa Marga pada ruas Jalan Tol Cikampek. Variabel yang digunakan untuk memprediksi kemacetan adalah kecepatan, arus, dan kepadatan dengan rentang waktu jam. Dari hasil functional data analysis, dilakukan pemodelan ARMA dengan hasil model terbaik adalah ARMA(1,1).
Downloads
References
Klepsch, J. & Klüppelberg, C. & Wei, T. (2017). "Prediction of functional ARMA processes with an application to traffic data," Econometrics and Statistics, Elsevier, vol. 1(C), pages 128-149.
Ramsay, J., Silverman, B. (2005). Functional Data Analysis (2nd Ed.). Springer, New York.
Sen, Rituparna and Kl¨uppelberg, Claudia. (2010). Time series of functional data.