Canseria Yuli Ismayanti, Dadan Kusnandar, Nurfitri Imro’ah
{"title":"VERIFIKASI MODEL ARIMA PADA PERAMALAN JUMLAH KECELAKAAN LALU LINTAS KOTA PONTIANAK MENGGUNAKAN STATISTICAL PROCESS CONTROL","authors":"Canseria Yuli Ismayanti, Dadan Kusnandar, Nurfitri Imro’ah","doi":"10.26418/bbimst.v8i3.33246","DOIUrl":null,"url":null,"abstract":"Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien. Salah satu langkah setelah peramalan adalah melakukan verifikasi model untuk memeriksa apakah model yang didapat sudah baik atau tidak untuk peramalan pada periode ke depan. Penelitian ini bertujuan untuk menerapkan metode Statistical Process Control (SPC) untuk memverifikasi model ARIMA terbaik dengan grafik pengendali Individual Moving Range (IMR). Grafik pengendali yang digunakan untuk menentukan perubahan dalam pola data menggunakan nilai errornya. Data yang digunakan dalam  penelitian ini  merupakan data bulanan jumlah kecelakaan lalu lintas Kota Pontianak dari tahun 2012 hingga tahun 2016 yang diperoleh dari Kepolisian Daerah Kalimantan Barat. Berdasarkan identifikasi model didapat model terbaik yaitu model ARIMA  dengan hasil verifikasinya menunjukkan bahwa semua nilai error dalam keadaan terkendali. Perolehan nilai  MAPE pada model ARIMA adalah 14,88% dan BIC sebesar 4,23 artinya model ARIMA  baik untuk meramalkan jumlah kecelakaan lalu lintas Kota Pontianak satu tahun ke depan. Kata Kunci: Peramalan, SPC, grafik pengendali IMR","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-07-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/bbimst.v8i3.33246","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

摘要

面相是有效和有效计划的重要工具。占卜后的一个步骤是进行模型验证,以检查获得的模型是否已经为未来一段时间的预测做好了准备。本研究的目的是采用非常规进程控制(SPC)的方法,验证其最佳ARIMA模型与“移动空间个人控制图”(IMR)。用于定义数据模式变化的控制图使用了它的errors值。本研究使用的数据是从2012年到2016年从西加里曼丹警方获得的市政庞蒂亚克交通事故每月数据。根据对模型的识别,获得了最好的模型——ARIMA模型,其验证结果表明,所有的值都处于控制状态。ARIMA模型的MAPE分数是1488%而BIC值为4.23,这意味着模型ARIMA可以预测未来一年庞蒂克市交通事故的数量。关键词:算命,SPC, IMR控制图
本文章由计算机程序翻译,如有差异,请以英文原文为准。
VERIFIKASI MODEL ARIMA PADA PERAMALAN JUMLAH KECELAKAAN LALU LINTAS KOTA PONTIANAK MENGGUNAKAN STATISTICAL PROCESS CONTROL
Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien. Salah satu langkah setelah peramalan adalah melakukan verifikasi model untuk memeriksa apakah model yang didapat sudah baik atau tidak untuk peramalan pada periode ke depan. Penelitian ini bertujuan untuk menerapkan metode Statistical Process Control (SPC) untuk memverifikasi model ARIMA terbaik dengan grafik pengendali Individual Moving Range (IMR). Grafik pengendali yang digunakan untuk menentukan perubahan dalam pola data menggunakan nilai errornya. Data yang digunakan dalam  penelitian ini  merupakan data bulanan jumlah kecelakaan lalu lintas Kota Pontianak dari tahun 2012 hingga tahun 2016 yang diperoleh dari Kepolisian Daerah Kalimantan Barat. Berdasarkan identifikasi model didapat model terbaik yaitu model ARIMA  dengan hasil verifikasinya menunjukkan bahwa semua nilai error dalam keadaan terkendali. Perolehan nilai  MAPE pada model ARIMA adalah 14,88% dan BIC sebesar 4,23 artinya model ARIMA  baik untuk meramalkan jumlah kecelakaan lalu lintas Kota Pontianak satu tahun ke depan. Kata Kunci: Peramalan, SPC, grafik pengendali IMR
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信