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 (Institut Teknologi Sepuluh Nopember)
Laksmi Prita Wardhani (Institut Teknologi Sepuluh Nopember)

Jurnal Sains dan Seni ITS
Vol 7, No 2 (2018)

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).