Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metode Analytic Hierarchy Process (AHP) merupakan salah satu metode pengambilan keputusan yang digunakan untuk menentukan urutan prioritas dari berbagai alternatif. Ada empat prinsip utama yang digunakan dalam metode AHP, yaitu: 1) dekomposisi; 2) perbandingan berpasangan; 3) menentukan vektor prioritas; dan 4) komposisi hierarkis. Dalam skripsi ini, prinsip utama metode AHP yang dibahas adalah menentukan vektor prioritas yang akan diselesaikan dengan menggunakan pendekatan model pemrograman linier. Pendekatan tersebut terbagi menjadi dua tahap, tahap pertama akan dilakukan formulasi model pemrograman linier untuk menentukan batas konsistensi dari matriks perbandingan berpasangan dan pada tahap kedua akan dilakukan formulasi model pemrograman linier untuk menentukan suatu vektor prioritas dengan menggunakan batas konsistensi pada tahap pertama. Dengan menggunakan pendekatan model pemrograman linier dalam metode AHP, dapat dilakukan analisa sensitivitas untuk memprediksi entri-entri pada matriks perbandingan berpasangan yang membuat matriks tersebut tidak konsisten.

---

The Analytic Hierarchy Process (AHP) method is one method of decision making that is used to determine the order of priority of the various alternatives. There are four main principles used in the AHP method, that is: 1) decomposition, 2) pairwise comparisons, 3) determine the priority vector, and 4) hierarchical composition. In this skripsi, the main principles of the AHP method discussed is determine the priority vector to be solved using linear programming model approach.

The approach is divided into two stage, the first stage will be the formulation of a linear programming model to determine the consistency bound of the pairwise comparison matrix and the second stage will be the formulation of a linear programming model to determine a priority vector using consistency bound at the first stage. By using a linear programming model approach in the AHP method, sensitivity analysis can be carried out to predict the entries in the pairwise comparisons matrix that makes the matrix is inconsistent."

"Jalan tol adalah jalan umum yang merupakan bagian sistem jaringan jalan dan sebagai jalan nasional yang penggunaanya diwajibkan membayar tol (Undang- Undang No. 38 Tahun 2004 tentang Jalan). Hakekat jalan tol adalah jalan bebas hambatan yang memiliki tingkat keselamatan yang tinggi. Tetapi pada kenyataanya jalan tol di Indonesia banyak diwarnai oleh kecelakaan lalu lintas.Berbagai penelitian telah dilakukan dalam rangka mencoba untuk membuktikan hubungan antara kecelakaan, volume lalu lintas dan karakteristik geometrik dari jaringan jalan. Karena keanekaragaman data frekuensi kecelakaan dari berbagai lokasi akan menunjukkan overdispersion, yang artinya bahwa data memiliki sebuah pemantauan menyimpang yang lebih besar daripada perkiraan penyimpangan yang diberikan oleh pengambilan sample model. Oleh karena itu dalam penelitian ini metode yang digunakan adalah dengan menggunakan model negative binomial untuk menentukan model yang dapat memprediksikan kinerja keselamatan jalan tol dalam bentuk Safety Performa Function (SPF), yang selanjutnya dikombinasikan dengan penggunaan aturan bayes dalam melakukan studi "sebelum dan sesudah" dimana data hasil perkiraan dibandingkan dengan data aktual hasil observasi.Penelitian ini bertujuan untuk melakukan evaluasi kinerja keselamatan jalan tol Jakarta-Cikampek terhadap pengaruh dari pengembangan jalan tol berupa perubahan jumlah lajur pada jalan tol dan untuk menggambarkan pentingnya menggunakan model prediksi untuk melakukan estimasi keselamatan pada jalan tol. Manfaat dari penelitian ini diharapkan dapat memberikan masukan kepada pihak terkait berkaitan dengan pentingnya melakukan evaluasi kinerja keselamatan jalan khususnya terhadap jalan tol. Selain itu penelitian ini juga dapat memberikan prediksi terhadap kinerja keselamatan jalan baik dengan skenario pengembangan jalan (do-something) maupun tanpa skenario pengembangan (do-nothing), dimana dari prediksi tersebut dapat digunakan sebagai acuan pertimbangan untuk melakukan perencanaan skenario pengembangan jalan lebih lanjut."

"Asumsi-asumsi pada Model Linier Yang Umum {Generalized Linier Model atau disingkat GLM) merupakan perluasan dari asumsi-asumsi pada model linier klasik. Pada tugas akhir ini akan ditunjukkan bahwa parameter ? untuk model linier yang umum yang mempunyai nilai-nilai yang tidak diketahui dapat ditaksir dengan menggunakan prosedur iterative weighted least square. Salah satu contoh model linier yang umum (GLM) yaitu model regresi digunakan terhadap data polusi udara di daerah teluk San Fransisco. Dengan menggunakan data tersebut dapat ditunjukkan sensitifitas model regresi yang ditaksir terhadap asumsi distribusi probabilitas error c yang berbeda (yaitu terhadap distribusi probabilitas Normal dan Gamma). Selain itu dapat ditunjukkan pula mengenai model probabilitas yang cocok untuk menggambarkan data polusi udara tersebut."

"Salah satu asumsi pada regresi linier adalah bahwa variansi kesalahan () sama. Bila asumsi ini tidak terpenuhi, keadaan ini di sebut heteroskedastisitas. Pada tugas akhir ini akan dibahas bagaimana pengaruh heteroskedastisitas terhadap sifat-sifat parameter regresi serta bagaimana mendeteksi dan mengatasi heteroskedastisitas tersehut."

"Analisis regresi merupakan salah satu teknik dalam statistika yang digunakan untuk mengetahui hubungan antar variabel respon dan satuatau lebih variabel regressor. Metode penaksiran parameter regresi yang umum digunakan adalah metode least square. Dalam penaksiran parameter regresi, banyak permasalahan yang muncul salah satunya adalah multikolinearitas. Multikolinearitas menghasilkan taksiran yang tidak stabil, sehingga diperlukan metode lain untuk mengatasi multikolinearitas yang diperkenalkan oleh Hoerl dan Kennard 1970 yaitu metode ridge regression dengan cara kerjanya adalah menambahkan konstanta bias ridge pada matriks X 39;X. Sarkar 1992 dan Grob 2003 mengembangkan metode tersebut dengan memanfaatkan informasi prior dari parameter - dan memperkenalkan metode restricted ridge regression. Berger 1980 mendefinisikan informasi prior untuk parameter - adalah suatu informasi non sampel yang muncul dari pengalaman masa lalu dan keputusan dari ahli dengan situasi yang hampir sama dan memuat parameter ? yang sama. Dalam skripsi ini penggunaan metode restricted ridge regression diaplikasikan untuk mengatasi multikolinearitas pada data Portland Cement dan menghasilkan MSE yang lebih kecil dibandingkan metode least square dan ridge regression.

---

Regression analysis is a technique in stastisticsto analyse the relationship between a response variable and one or more regressor variable's. Ordinary Least Square method is commonly used to estimate parameter's. Most frequently occurring problem in multiple linier regression analysis is the presence of multicolinearity. Multicollinearityin least square estimation produces estimation with large variance, so another method is needed to overcome the multicollinearity. Hoerl and Kennard 1970 introduced a new method called ridge regression by addingaconstant bias ridge to matrix X 39 X. Sarkar 1992 and Gro 2003 developed a method usingthe prior information of the parameter and introduced the restricted ridge regression method. Berger 1980 defined prior information of the parameter as a non sample information arising from past experiences and based on the opinions of an expertice with similar situations and containing the same parameters. This thesis will explain the use of restricted ridge regression method to overcome the presence of multicolinearity in regression model for Portland Cement dataset and produce smaller MSE than least square and ridge regression estimator."