Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang
Laksmi Prita Wardhani
Departemen Matematika, Fakultas Matematika Komputasi Dan Sains Data, Institut Teknologi Sepuluh Nopember (ITS)
Arts Humanities

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Estimasi Parameter Pada Model Negatif Binomial Generalized Autoregressive Moving Average (GARMA) Dengan Algoritma IRLS (Studi Kasus Peramalan Jumlah Kecelakaan Di Jalan Tol Gempol-Surabaya) Mada Aqil Habibi; Laksmi Prita Wardhani
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 Agil Desti Fauzia; Laksmi Prita Wardhani
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 | Full PDF (678.853 KB) | 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.
Monitoring water quality using control charts at PDAM Surya Sembada Surabaya Valeriana Lukitosari; Sunarsini Sunarsini; Wahyu Fistia Doctorina; Laksmi Prita Wardhani; Endah Rokhmati Merdika Putri
Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang Vol 8, No 1 (2023): February 2023
Publisher : University of Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/abdimas.v1i1.8828

Abstract

Statistical quality control using control charts is an easy-to-implement method to improve quality. Improvements in the quality of products and services are continuously implemented to meet consumer needs. Products and services must maintain the desired quality with as few defects as possible. Variations in products and services are naturally created to meet needs. Unintentional variation, but the cause can be found. Control charts can be used to monitor production; particularly serving as an early warning index of processes that are potentially out of control. To keep production under control, different control charts are prepared for different cases, created by combining upper and lower control limits. Points plotted on a graph can reveal certain patterns, which in turn allow the user to get specific information. Information on water production is very important in PDAM because water is the main product that meets the needs for the survival of humans, animals, plants, and various other needs. The supply of clean water that meets the requirements of quality standards is always pursued by PDAM Surya Sembada Surabaya. The Statistical control chart training will increase productivity and improve water quality, not only in terms of chemical, physical and biological quality. Good water quality will add value to the trust and community of PDAM. 
Co-Authors Agil Desti Fauzia Endah Rokhmati Merdika Putri Mada Aqil Habibi Sunarsini Sunarsini Valeriana Lukitosari wahyu fistia doctorina