Aplikasi Model Functional ARMA Process Terhadap Data Arus Lalu Lintas

##plugins.themes.bootstrap3.article.main##

Margaretha Ari Anggorowati Anugerah Karta Monika

Abstract

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).

##plugins.themes.bootstrap3.article.details##

How to Cite
ANGGOROWATI, Margaretha Ari; MONIKA, Anugerah Karta. Aplikasi Model Functional ARMA Process Terhadap Data Arus Lalu Lintas. Jurnal Aplikasi Statistika & Komputasi Statistik, [S.l.], v. 11, n. 1, p. 65-72, oct. 2019. ISSN 2615-1367. Available at: <https://jurnal.stis.ac.id/index.php/jurnalasks/article/view/185>. Date accessed: 31 may 2020. doi: https://doi.org/10.34123/jurnalasks.v11i1.185.
Section
Komputasi Statistik

References

Bosq, D. (2000). Linear Processes in Function Spaces: Theory and Applications. Springer, New York.
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.