Analisis Runtun Waktu untuk Peramalan Banyaknya Kejadian Kecelakaan Lalu Lintas Di Kabupaten Soppeng
DOI:
https://doi.org/10.24252/msa.v13i1.56782Keywords:
ARIMA, fuzzy-time-series, kecelakaan, lalu lintas, peramalan, SoppengAbstract
Analisis runtun waktu merupakan salah satu metode statistika yang banyak digunakan dalam meramalkan kejadian di masa mendatang. Beberapa metode yang popular adalah metode Autoregressive Integrated Moving Average (ARIMA) dan fuzzy time series. Metode-metode ini dapat diaplikasikan dalam peramalam jumlah kecelakaan lalu lintas sebagai antisipasi terhadap terjadinya, serta adanya peningkatan terhadap jumlah kecelakaan. Tujuan dari penelitian ini adalah mengimplementasikan model ARIMA, serta fuzzy time series dalam data jumlah kecelakaan lau lintas di Kabupaten Soppeng. Metode yang terbaik dipilih berdasarkan nilai MAPE dan MAD terkecil. Berdasarkan hasil analisis diketahui model time series yang terbaik dihasilkan oleh metode Fuzzy Time Series model Singh dengan nilai MAPE 12,817% dan MAD 0,77. Model ini kemudian digunakan untuk meramalkan jumlah kecelakaan lalu lintas di kabupaten Soppeng dengan hasil ramalan banyaknya kejadian di setiap bulan adalah 10 kejadian.
References
Badan Pusat Statistik, Statistik Transportasi Darat 2020. Jakarta: Badan Pusat Statistik, 2020.
Badan Pusat Statistik, Kabupaten Soppeng dalam Angka 2021. Soppeng: Badan Pusat Statistik, 2021.
Badan Pusat Statistik, Provinsi Sulawesi Selatan Dalam Angka 2021. Makassar: Badan Pusat Statistik, 2021.
K. Auliasari, M. Kertaningtyas, and M. Kriswantono, “Penerapan Metode Peramalan untuk Identifikasi Potensi Permintaan Konsumen,” 2019.
C. Y. Ismayanti, D. Kusnandar, and N. Imro’ah, “Verifikasi Model ARIMA pada Peramalan Jumlah Kecelakaan Lalu Lintas Kota Pontianak Menggunakan Statistical Process Control,” Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster), vol. 08, no. 3, pp. 421–428, 2019.
E. M. Intisari, “Penerapan Model Deret Waktu ARIMA pada Data Kecelakaan Lalu Lintas Di Kabupaten Mempawah,” Buletin Ilmiah Mat. Stat dan Terapannya (Bimaster), vol. 12, no. 4, pp. 325–334, 2023.
M. Silfiani and G. R. Lembang, “Perbandingan Peramalan Jumlah Kasus Kecelakaan Lalu Lintas Kota Balikpapan dengan Linear Trend Analysis dan Double Exponential Smoothing,” Journal of Mathematics & Information Technology, vol. 1, no. 1, pp. 14–18, 2023, Accessed: May 28, 2024. [Online]. Available: https://journal.itk.ac.id/index.php/equiva/article/view/757
I. R. Maharsi, Moch. A. Mukid, and Y. Wilandari, “Peramalan Jumlah Kecelakaan di Kota Semarang Tahun 2017 menggunakan metode runtun waktu (Studi Kasus : Data Jumlah Kecelakaan Lalu Lintas di Kota Semarang Periode Januari 2012 – Desember 2016),” JURNAL GAUSSIAN, vol. 6, no. 3, pp. 355–364, 2017, doi: https://doi.org/10.14710/j.gauss.6.3.355-364.
A. Madu, “Perbandingan Metode Trend Projection Dan Metode Backpropagation dalam Meramalkan Jumlah Korban Kecelakaan Lalu Lintas yang Meninggal Dunia di Kabupaten Timor Tengah Utara, Nusa Tenggara Timur,” Jurnal Mercumatika, vol. 1, no. 1, pp. 44–58, Oct. 2016.
S. N. Hasanah and N. I. Widiastuti, “REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY’S TOOTH BOOTH,” Jurnal Ilmiah Komputer dan Informatika (KOMPUTA), vol. 68, no. 2, 2014.
K. Nugroho, “Model Analisis Prediksi Menggunakan Metode Fuzzy Time Series,” Jurnal Ilmiah INFOKAM, vol. 12, no. 1, pp. 46–50, 2016.
Ipan, Syaripuddin, and D. Andi Nohe, “Perbandingan Model Chen dan Model Lee pada Metode Fuzzy Time Series untuk Peramalan Produksi Kelapa Sawit Provinsi Kalimantan Timur,” Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya, no. 2, pp. 81–95, 2022.
S. Wardah and Iskandar, “Analisis Peramalan Penjualan Produk Keripik Pisang Kemasan Bungkus (Studi Kasus : Home Industry Arwana Food Tembilahan),” Jurnal Teknik Industri, vol. 11, no. 3, pp. 135–142, Sep. 2016.
F. Rachim, Tarno, and Sugito, “Perbandingan Fuzzy Time Series dengan Metode Chen dan Metode S. R. Singh (Studi Kasus : Nilai Impor di Jawa Tengah Periode Januari 2014 – Desember 2019),” JURNAL GAUSSIAN, vol. 9, no. 3, pp. 306–315, 2020, [Online]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/
N. Salwa et al., “Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average),” Journal of Data Analysis, vol. 1, no. 1, pp. 21–31, 2018.
Zulhamidi and R. Hardianto, “Peramalan Penjualan Teh Hijau dengan Metode Arima (Studi Kasus pada PT. MK),” Jurnal PASTI, vol. 11, no. 3, pp. 231–244, 2017.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal MSA ( Matematika dan Statistika serta Aplikasinya)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
