Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Bukaan median dengan fasilitas U-turn digunakan sebagai sarana kendaraan memutar balik menuju arus sebaliknya. Jalan Margonda Raya dengan arus lalu lintas di jam padat memiliki arus memutar balik yang tinggi dan tidak memiliki pembagian waktu sehingga seringkali menganggu arus lurus dan menimbulkan antrian pada semua lajur jalan. Solusi yang diberikan untuk mengatasi masalah tersebut adalah dengan membuat alternatif desain simpang bersinyal dengan metode MKJI 1997 sehingga bisa mengorganisir giliran untuk arus lurus dan memutar dengan dua alternatif desain, yaitu desain dengan putaran di lajur lambat dan desain dengan putaran di lajur cepat. Dari perhitungan dan simulasi yang­ dilakukan, alternatif desain didapat derajat kejenuhan yang menurun untuk arus memutar balik sehingga kejenuhan bisa di bawah nilai kapasitas (DS<1) dan mengurangi masalah kemacetan walaupun tidak bisa mendapatkan nilai tingkat layanan jalan ideal (0,70< DS <0,80). Untuk desain jalur putar dengan lajur biasa didapat nilai DS 0,51-0,94 dan untuk desain jalur putar dengan lajur lambat didapat nilai DS 0,49-0,97. ......The median with U-turn facility is used by vehicles to turn back towards the reverse current. Margonda Raya Street with heavy traffic flow has high turning flow and does not have time allocation so that it often disturbs the straight flow and causes queues on all lanes of the road. The solution given to overcome this problem is to create an alternative signal design with the MKJI 1997 method so that it can organize a turn for a straight current and turn around with two alternative designs, first a design with a slow lane for turn around and the second a design with a fast lane for turn around. From the calculations and simulations, the alternative designs obtain decreasing degree of saturation for turn around flow so the saturation can be below the rate of capacity (DS <1) and reduce congestion problems even though it cannot get the ideal service level value (0.70

Abstrak :
Data biner merupakan tipe data yang memiliki tepat dua kemungkinan nilai, seperti sukses dan gagal atau ya dan tidak, yang lebih lanjut direpresentasikan dalam respon 0 dan 1. Data biner kerap dijumpai dalam kehidupan sehari-hari. Namun, tidak jarang pula ditemukan data biner yang mengalami zero-inflation. Fenomena zero-inflation ini merujuk kepada data dengan dua sumber nilai nol yang berbeda, yang dikenal dengan istilah structural zeros dan sampling zeros. Oleh karena itu, dikembangkanlah suatu model alternatif, yakni model regresi Zero-Inflated Bernoulli untuk memodelkan data biner yang mengalami zero-inflation. Dalam inferensi statistika, terdapat dua jenis pendekatan yang umumnya digunakan, yaitu pendekatan frekuentis dan pendekatan Bayesian. Pada tugas akhir ini, dikonstruksi suatu model regresi Zero-Inflated Bernoulli menggunakan pendekatan Bayesian. Pendekatan Bayesian digunakan karena dianggap lebih unggul dibandingkan pendekatan frekuentis. Dalam data yang mengalami zero inflation, pendekatan frekuentis tidak mampu membedakan structural zeros dan sampling zeros. Hasil konstruksi model yang terbentuk diberi nama model regresi Bayesian Zero-Inflated Bernoulli. Salah satu hal penting dalam pendekatan Bayesian adalah mendapatkan distribusi posterior. Namun, sering kali nilai parameter dari distribusi posterior sulit ditemukan secara analitik karena distribusi posteriornya memiliki formula terbuka. Oleh karena itu, dalam tugas akhir ini estimasi parameter sekaligus pembangunan sampel posterior dicari melalui teknik komputasional dengan algoritma No-U-Turn Sampler (NUTS). Selanjutnya, model regresi Bayesian Zero-Inflated Bernoulli diimplementasikan untuk masalah klasifikasi pada data sickness presenteeism. Dalam tugas akhir ini, dibangun dua buah model regresi Bayesian Zero-Inflated Bernoulli, yakni model tanpa kovariat dan model dengan kovariat. Dari model tanpa kovariat, diperoleh estimasi parameter distribusi variabel respon adalah p1 = 0.38 dan p2 = 0.75. Lebih lanjut, hasil estimasi probabilitas yang diperoleh mendekati nilai empirisnya. Pada model dengan kovariat, digunakan dua kovariat untuk dua bagian yang berbeda, yakni evaluasi kondisi kesehatan (gh) pada seluruh sampel dan kovariat frekuensi merasakan perasaan takut tergantikan apabila tidak masuk kerja (remplz) pada sampel at-risk, hasil estimasi parameter regresi akan menghasilkan persamaan regresi yang dapat digunakan memberikan prediksi klasifikasi variabel respon kondisi pekerja yang masuk kerja pada saat sedang sakit. Diperoleh, berturut-turut tingkat akurasi dari model dengan kovariat gh dan kovariat remplz adalah sebesar 72.44% dan 69.58%, tingkat sensitivitas sebesar 14.65 % dan 100.00%, serta tingkat specificity sebesar 94.35% dan 0.00%. ......Binary data is type of data that have exact two outcomes, for instance, success and failure or yes and no, that usually represent in 0 and 1. Binary data can be easily find on daily basis. However, there is binary data that experienced with zero-inflation. Zero-inflation phenomenon is caused by two different sources of zeros, which is called structural zeros and sampling zeros. Therefore, Zero-Inflated Bernoulli regression model is constructed for modeling binary data that experienced zero-inflation. There are two statistical inferences that is commonly used, that is frequentist and Bayesian inference. This thesis constructed Zero-Inflated Bernoulli regression model with Bayesian inference. Bayesian inference is selected because it is more superior than frequentist inference on modeling binary data with two different source of zeros. Frequentist inference unable to distinguish the difference between structural zeros and sampling zeros. Constructed model is called Bayesian Zero-Inflated Bernoulli regression model. In Bayesian inference, it is important to get the predicted posterior distribution. However, in some cases, the analytic estimation of the posterior distribution is difficult to calculate because it has open formula. Therefore, posterior estimator is searched using computational techniques name No-U-Turn Sampler algorithm (NUTS). Furthermore, this regression model is implemented on classification problem sickness presenteeism data. In this thesis, we constructed two models, that is model without covariates dan model with covariates. From model without covariates, the parameter from response variable distribution can be estimated and we got ‘p1 = 0.38 dan p2 = 0.75. This results is closed to the empirical value. Then, from model with covariates, two covariates is considered on implementation for different parts, i.e. general state of health (gh) covariate for all sample and feeling for being replaced (remplz) covariate for at-risk sample. From the estimated regression parameters, the regression equation is able give classification predictions for attend work while sick as response variable (sp recod). The results are the model give 72.44% and 69.58% accuracy rate.

Abstrak :
Manuver u-turn oleh kendaraan berat memiliki waktu tempuh serta dampak terhadap lalu lintas berbeda dengan manuver u-turn oleh kendaraan ringan disebabkan perbedaan karakteristik antara kedua tipe kendaraan tersebut, sehingga analisis mengenai dampak manuver u-turn oleh kendaraan berat secara spesifik diperlukan. Teori shock wave dipilih sebagai pendekatan analisis pada penelitian ini karena dianggap lebih cocok digunakan untuk menganalisis dampak manuver u-turn pada jalan dengan lalu lintas kendaraan berat yang tinggi dibandingkan dengan pendekatan lain seperti tundaan dan tingkat layanan. Tujuan penelitian ini adalah menganalisis panjang antrian akibat manuver u-turn kendaraan berat pada jalur asal serta pada jalur tujuan kendaraan berat yang melakukan u-turn untuk berbagai kondisi komposisi kendaraan berat dan rasio kendaraan berat yang melakukan u-turn terhadap seluruh kendaraan berat yang melintas pada jalur asal kendaraan berat yang melakukan u-turn. Dalam metodologi penelitian ini, data panjang antrian diperoleh dari hasil simulasi lalu lintas mikroskopik menggunakan VISSIM, di mana model lalu lintas mikroskopik yang digunakan pada simulasi dikalibrasi serta divalidasi menggunakan data lapangan yang didapatkan dari survei di salah satu bukaan median Jalan Marunda Bidara, Jakarta Utara. Berdasarkan tujuan penelitian, variabel bebas, terikat, dan terkontrol yang digunakan yaitu komposisi kendaraan berat (%KB), panjang antrian, serta arus kendaraan dari hulu yang melintas dalam skr dan rasio jumlah kendaraan berat yang melakukan manuver u-turn terhadap jumlah seluruh kendaraan berat yang melintas pada jalur asal kendaraan berat yang melakukan u-turn (%KB u-turn) secara berturut-turut. Berdasarkan hasil analisis, dapat disimpulkan bahwa di bukaan median yang lalu lintas u-turn kendaraannya didominasi oleh kendaraan berat, pada jalur asal kendaraan berat yang melakukan u-turn, apabila komposisi arus kendaraan berat dan rasio jumlah kendaraan berat yang melakukan u-turn terhadap jumlah seluruh kendaraan berat yang melintas pada jalur tersebut diketahui, maka panjang antrian dapat dirumuskan dengan model linier. Sedangkan pada jalur tujuan kendaraan berat yang melakukan u-turn, panjang antrian tidak dapat dirumuskan berdasarkan komposisi arus kendaraan berat dan rasio jumlah kendaraan berat yang melakukan u-turn terhadap jumlah seluruh kendaraan berat yang melintas pada jalur asal kendaraan yang melakukan u-turn. ......U-turn manuvers by heavy vehicles have travel times and effects towards traffic that differ from that of light vehicles due to the differences in the characterstics of the two vehicle types, therefore an analysis on the effects of u-turn manuvers by heavy vehicles specifically is deemed necessary. Shock wave theory has been chosen as the approach for analysis in this study due to it being considered more suitable for analyzing the impact of u-turn maneuvers on roads with high heavy vehicle traffic compared to other approaches such as delay and level of service. The purpose of this study is to analyze the lengths of queues caused by heavy vehicle u-turn manuvers on the u-turning heavy vehicles’ initial and final carriageways for various heavy vehicle compositions and ratios of u-turing heavy vehicles to total heavy vehicles passing through the initial carraigeway. In the methodology of this study, queue length data is obtained from the results of microscopic traffic simulation using VISSIM, where the microscopic traffic model used for simulations is calibrated and validated using field data from one of the median openings on Jalan Marunda Bidara, North Jakarta. Based on the purpose of the study, the free, bound, and control variables used are heavy vehicle composition (%KB), queue length, and upstream traffic volume in pcu along with the ratio of u-turning heavy vehicles to total heavy vehicles passing through the u-turning heavy vehicles’ initial carriageway (%KB u-turn), respectively. Based on the analysis, it can be concluded that, on median openings where the u-turn traffic is dominated by heavy vehicles, on the initial carriageway of u-turning heavy vehicles, if the heavy vehicle composition and the ratio of u-turning heavy vehicles to total heavy vehicles passing through the carriageway are known, the queue length can be formulated with a linear model. Whereas on the final carriageway of u-turning heavy vehicles, the queue length cannot be formulated based on heavy vehicle composition and ratio of u-turning heavy vehicles to total heavy vehicles passing through the carriageway