2020 : PREDIKSI BANYAKNYA KECELAKAAN DI KOTA SURABAYA MENGGUNAKAN POISSON HIDDEN MARKOV MODEL DENGAN PENDEKATAN BAYESIAN

Nur Azizah S.Si., M.Stat
Dra. Destri Susilaningrum M.Si

External link

Type

RESEARCH

Keywords

-


Abstract

Berdasarkan data yang diperoleh dari Satuan Lalu Lintas Polrestabes Surabaya diketahui jumlah kecelakaan akibat pelanggaran lalu lintas periode Januari - Agustus 2019 mencapai 882 (lebih rendah dibandingkan tahun 2017 dan 2018. Walaupun demikian, upaya untuk menekan angka banyaknya kecelakaan perlu dioptimalkan dengan cara memprediksi banyaknya kecelakaan yang terjadi selama 6 tahun berikutnya. Banyaknya kecelakaan yang terjadi pada penelitian ini akan diprediksi menggunakan data count time series melaui metode Poisson Hidden Markov Model (PHMM). PHMM merupakan pengembangan dari Model Markov yang terdiri dari observed state (data yang diamati secara langsung) dan hidden state (data yang tidak dapat diamati secara langsung). Dengan mengasumsikan bahwa faktor penyebab kecelakaan lalu lintas di Surabaya tidak dapat diamati secara langsung serta membentuk rantai Markov, maka data banyaknya kecelakaan lalu lintas pada penelitian ini dapat dimodelkan dengan Poisson Hidden Markov Model (PHMM). Data yang digunakan pada penelitian ini menggunakan data banyaknya kecelakaan yang terjadi di Kota Surabaya yang terjadi tahun 2010-2020 dan diperoleh dari Satuan Lalu Lintas Polrestabes Surabaya. Penelitian ini bertujuan untuk melakukan simulasi PHMM dengan menggunakan metode pendugaan parameter Bayesian, mendapatkan PHMM paling optimal berdasarkan nilai DIC (Deviance Information Criterion) terkecil, memprediksi banyaknya kecelakaan yang akan terjadi selama 6 bulan ke depan dan mengamati keakuratan hasil prediksi berdasarkan nilai MAE (Mean Absolute Error).