Aplikasi Model Functional ARMA Process Terhadap Data Arus Lalu Lintas

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).