Wardhani, Laksmi Prita
Institut Teknologi Sepuluh Nopember

Published : 3 Documents
Articles

Found 3 Documents
Search

INDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL Wardhani, Laksmi Prita; Fahrida, Resty Z; Hasanah, Nur
Limits: Journal of Mathematics and Its Applications Vol 7, No 2 (2010)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (303.613 KB) | DOI: 10.12962/j1829605X.v7i2.1437

Abstract

Indeks Kemampuan proses adalah suatu alat untuk menganalisa kemampuan proses produksi apakah sesuai dengan spesikasi yang diberikan. Indeks C adalah indeks yang sering digunakan untuk mengukur kemampuan proses dengan berdasarkan proporsi bagian yang tidak sesuai (Proportion non Conforming) dan pada indeks ini data diasumsikan berdistribusi Normal. pmkIndeks Kemampuan proses berdasarkan bagian yang sesuai (proportion of conforming) yaitu C dapat mengatasi kelemahankelemahan dari indeks kemampuan proses yang berdasarkan Proportion non Conforming diatas dimana data tidak harus berdistribusi Normal. Dalam tulisan ini dibahas analisis tentang indeks dengan menggunakan asumsi berdistribusi Non Normal yaitu distribusi Poisson dan distribusi Eksponensial berikut estimasi dari
Estimasi Parameter Pada Model Negatif Binomial Generalized Autoregressive Moving Average (GARMA) Dengan Algoritma IRLS (Studi Kasus Peramalan Jumlah Kecelakaan Di Jalan Tol Gempol-Surabaya) Habibi, Mada Aqil; Wardhani, Laksmi Prita
Jurnal Sains dan Seni ITS Vol 7, No 2 (2018)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (793.036 KB) | DOI: 10.12962/j23373520.v7i2.37557

Abstract

Abstrak—Model yang sering digunakan untuk data time series adalah model ARIMA. Untuk data time series yang merupakan data count, pada model klasik Gaussian tidak selalu tepat. Pada penelitian ini, data jumlah kecelakaan yang digunakan yaitu jumlah kecelakaan di jalan Tol Gempol-Surabaya. Data tersebut bersifat underdispersion (nilai varians lebih kecil dari pada nilai rata-rata variabel responnya) sehingga pada kasus ini tidak memenuhi asumsi equidispersion (nilai variansi dan nilai rata-rata variabel respon adalah sama). Untuk memenuhi asumsi equidispersion dibentuk suatu model peramalan data count dengan pendekatan distribusi Negatif Binomial yaitu Model Negatif Binomial GARMA (1,1). Model tersebut didapatkan berdasarkan identifikasi model ARIMA. Penerapan model Negatif Binomial GARMA(1,1) menggunakan algoritma IRLS untuk memperoleh estimasi parameter. Parameter tersebut digunakan untuk mendapatkan hasil peramalan pada model Negatif Binomial GARMA(1,1). Hasil peramalan yang diperoleh dapat dikatakan akurat dengan RMSE sebesar 0,4231 (dibandingkan dengan model ARIMA(1,0,1).
Estimasi Parameter pada Model Poisson Generalized Autoregressive Moving Average (GARMA) dengan Algoritma IRLS Studi Kasus: Peramalan Jumlah Kecelakaan di Jalan Tol Surabaya-Gempol Fauzia, Agil Desti; Wardhani, Laksmi Prita
Jurnal Sains dan Seni ITS Vol 8, No 1 (2019)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v8i1.37666

Abstract

Peramalan adalah pengolahan data masa lalu untuk mendapatkan estimasi data masa depan. Data yang digunakan pada penelitian ini adalah data count. Pada kasus data count metode peramalan pada umumnya seperti ARIMA kurang tepat digunakan. Benjamin, dkk. mengembangkan sebuah model peramalan yaitu Generalized Autoregessive Moving Average (GARMA) dengan menggunakan fungsi penghubung (link function) dengan data diasumsikan mengikuti Distribusi Poisson sehingga disebut juga Poisson GARMA (p,q). Pada model tersebut terdapat beberapa parameter yang tidak diketahui. Parameter yang dimaksud diestimasi menggunakan metode Maximum Likelihood Estimation (MLE) dengan optimasi Algoritma Iteratively Reweighted Least Squares (IRLS). Model Poisson GARMA ini diterapkan pada data jumlah kejadian kecelakaan di jalan tol Surabaya-Gempol ruas Waru-Sidoarjo. Hasil yang didapat yaitu model khusus Poisson GARMA (1,1) dengan 3 parameter yaitu parameter konstanta (β_0), Autoregressive (ϕ), dan Moving Average (θ). Kriteria pemilihan model terbaik menggunakan AIC.