Hasil Pencarian  ::  Simpan CSV :: Kembali

"Model probit adalah salah satu jenis model pilihan diskrit dengan error yang diasumsikan saling bebas, berdistribusi normal, dan homoskesdastis. Model probit dengan komponen error dari observasi di suatu lokasi bergantung dengan komponen error dari observasi di lokasi lain disebut model probit spasial error. Parameter dari model probit spasial error akan ditaksir dengan metode maksimum likelihood parsial dalam dua cara. Cara pertama dengan memperhitungkan variansi dari error dalam pembentukan fungsi likelihood parsial. Cara kedua dengan membentuk n grup dari sejumlah 2n observasi dari lokasi berbeda, dimana setiap grup terdiri dari dua observasi di lokasi yang berbeda. Selanjutnya, dengan memperhatikan korelasi antar error di dalam grup, akan dibentuk fungsi kepadatan probabilitas dari setiap grup yang akan digunakan untuk membentuk fungsi likelihood parsial dalam penaksiran parameter.

---

Probit Model is one of discrete choice model whose error is assumed to be independent, normal distributed, and homoscedastic. Probit model whose error component from observations on a location that depends on error components on the other location is called spatial error probit model. Parameters of spatial error probit model will be estimated by partial maximum likelihood in two ways. The first way is to take into account the variance of the error in the form of the partial likelihood function.

The second is to form n groups from 2n observations at different location, which each group consists of two observations at different location. Furthermore, by taking into account the correlation between errors in a group, the probability density function of each group will be formed, and later will be used to form a partial likelihood function in parameter estimation."

"Kemacetan pada jam jam puncak pagi hari maupun sore hari, yaitu pada saat jam berangkat maupun jam pulang kerja disepanjang koridor Blok M - Kota sudah menjadi pemandangan sehari-hari. Keterkaitan dengan kinerja sistem angkutan umum yang ada berakibat kepada efektifitas dengan efisiensi yang rendah terhadap pengguna moda angkutan disepanjang koridor tersebut juga merupakan salah satu faktor penyebab tingkat kemacetan yang terjadi. Berkenaan dengan hal tersebut, Pemda Propinsi DKI Jakarta merencanakan pengadaan sistem angkutan umum massal bus-way untuk sebagai pendekatan solusi ketidak seimbangan sarana jalan dan optimalisasi distribusi penggunaan moda di sepanjang koridor Blok M - Kota. Dengan adanya pelayanan lajur busway ini, maka terdapat alternatif pemilihan moda angkutan yang bare sehingga dirasa perlu untuk menganalisa pemodelan terhadap seberapa besar probabilitas orang yang akan menggunakan bus sedang, bus besar, busway, sepeda motor dan mobil pribadi serta beberapa orang yang akan pindah (shifted) diantara moda-moda tersebut. Tujuan dari penelitian ini adalah untuk mengembangkan model Multinomial Probit dan model Nested Probit sebagai model moda choice (pemilihan moda) dalam model transportasi STUE (Stochastic Taxonomi User Equilibrium - STUE) secara keseluruhan dan membandingkan penggunaannya pada koridor Blok M - Kota, dimana model tersebut dikembangkan dengan penggunaan data JICA, CTS UI dan survey traffic counting pada koridor Blok M - Kota. Dari hasil assignment, model Multinomial Probit relatif lebih dekat dengan volume lalu lintas yang merupakan hasil survey Traffic Counting dibandingkan dengan model Multinomial Probit. Sedangkan tingkat perubahan masing-masing moda jika dibandingkan dengan kondisi eksisting dengan adanya busway, baik Nested Probit maupun Multinomial Probit, terjadi penambahan pada moda sepeda motor, dengan pengurangan pada moda mobil pribadi, bus sedang dan bus besar."

"Universitas Indonesia sebagai pusat kegiatan pendidikan memberikan bangkitan dan membangkitkan perjalanan yang cukup tinggi. Mahasiswa melakukan perjalanan dari dan menuju Universitas Indonesia dengan berbagai moda antara lain kendaraan pribadi berupa sepeda motor ataupun mobil pribadi, KRL, maupun angkutan umum lainnya. Peningkatan perjalanan yang terjadi disinyalir menjadi sebab terjadinya kemacetan dimana tidak sedikit Mahasiswa Universitas Indonesia menggunakan kendaraan pribadi untuk melakukan perjalanan dari dan menuju kampus. Oleh karena itu, penelitian ini membahas probabilitas penggunaan KRL Ekonomi AC sebagai salah satu alternatif transportasi publik yang tersedia bagi Mahasiswa Universitas Indonesia pengguna kendaraan pribadi. Dalam penelitian ini dipakai asumsi bahwa terdapat pengaruh tingkat penggunaan KRL Ekonomi AC oleh Mahasiswa Universitas Indonesia jika terdapat kebijakan pemberlakuan tarif khusus kepada Mahasiswa Universitas Indonesia. Selain itu, kemungkinan peningkatan harga diakibatkan meningkatnya biaya operasional turut mempengaruhi pemilihan KRL Ekonomi AC bagi Mahasiswa Universitas Indonesia. Teknik pengumpulan data yang digunakan adalah stated preference dengan memanfaatkan layanan google docs sebagai web survei. Model Probit digunakan untuk menganalisis pemilihan moda yang dilakukan oleh Mahasiswa Universitas Indonesia dimana metode estimasi parameter digunakan pendekatan maksimum likelihood. Selanjutnya pengujian statistik dilakukan untuk mendapatkan model terbaik. Hasil analisis menunjukkan pengaruh tarif KRL Ekonomi AC yang diberlakukan serta penghematan waktu perjalanan mempengaruhi Mahasiswa Universitas Indonesia pengguna kendaraan pribadi untuk menggunakan KRL Ekonomi AC. Selain itu, karakteristik dari Mahasiswa Universitas Indonesia pengguna kendaraan pribadi juga berpengaruh dalam pemilihan KRL Ekonomi AC. Hasil analisis menunjukkan beberapa karakteristik Mahasiswa yang berpengaruh diantaranya kepemilikan kendaraan, pendapatan, jenjang pendidikan yang ditempuh, dan usia.

---

University of Indonesia as a center of education produces the trip attraction and trip generation high enough. Students travel to and from the University of Indonesia with various modes such as private cars or motorcycles in the form of private vehicles, KRL, and other public transportation. Increased travel that occurred was allegedly the cause of congestion in which not a few students of University of Indonesia used private vehicles to travel to campus and travel from campus. Therefore, this study discusses the probability of the use of KRL (Economy-AC) as one of alternative public transport available for the University of Indonesia Students who used private vehicles. In this study used the assumption that there are significant levels of usage KRL (Economy-AC) by the University of Indonesia students, if there is a policy enforcement special rate for University of Indonesia students. In addition, the possibility of increased price due to rising operational costs also influences the selection of KRL (Economy-AC) for University of Indonesia students. Data collection techniques were used stated preference quesionaire by using google docs as a web service survey. Probit model is used to analyze the mode choice made by University of Indonesia students where the parameter estimation method used maximum likelihood approach. Further statistical tests performed to obtain the best model. The results show the influence of tariffs imposed KRL (Economy-AC) and travel time savings affect University of Indonesia Students who use private vehicles to use KRL (Economy-AC). In addition, the characteristics of the University of Indonesia Students, users of private vehicles are also influential in the elections of KRL (Economy-AC). The results showed several characteristics that affect students such as vehicles ownership, income, education level which taken, and age."

"Model probit dan model logit pada hakekatnya adalah sama-sama untukmenentukan besarnya probabilitas, akan letapi kedua model ini mempunyai sifatbeberapa kemantapan yang berbeda satu sama lainnya. Untuk mengetahuimodel mana yang Iebih sesuai untuk suatu kondisi tertentu, maka perludilakukan perbandingan kedua model.Karya tulis ini bertujuan untuk membandingkan penggunaan Model Probitdan Model Logit Dalam Menghitung Probabilitas Pilihan MenggunakanKendaraan Pribadi dan Angkutan Umum.Sebagai kasus pembandingan model Probit dan model Logit , dipilih lokasipenelitian daerah Kotamadya Semararig. Data yang digunakan dalamperhitungan ini berdasarkan hasil kuesioner yang telah dilakukan dan merupakandata sekunder dari hasil penelitian di Kotamadya Semarang pada tahun 1999-2000. Dari hasil pengujian korelasi antar variabel, didapat variabel-variabelwaktu perjalanan, umur pelaku perjalanan dan jarak tempuh memiliki korelasidengan variabel dependennya. Dalam menganalisis besarnya probabilitas,"Iangkah pengembangan tergantung dari derajat ketertarikan seseorang, yang dijabarkan dalam fungsi utilitas dan dis utilitas. Kemudian hasil perhitungahtersebut di kalibrasi terhadap masing-masing model, dan melakukan validasimodel terhadap kondisi di Iapangan. `Hasil analisis dan perhitungan dalam menguji variabel-variabel yangberpengaruh menggambarkan bahwa Model Probit yang diterapkan untukmenghitung perkiraan orang dalam memilih moda sesuai dengan jenis pilihannyaterutama di kotamadya Semarang ternyata Iebih teliti dibandingkan model Logit."

"Model pilihan diskrit adalah model yang biasa digunakan untuk memodelkan pilihan. Model pilihan diskrit tersebut dapat diturunkan dari fungsi utilitas. Salah satu model pilihan diskrit yang sering digunakan adalah model multinomial probit. Model multinomial probit mengasumsikan bahwa komponen error pada fungsi utilitas berdistribusi normal standar. Model Multinomial Probit berbentuk integral lipat (J-1) dengan J adalah banyaknya alternatif pilihan, dan parameter-parameter yang akan ditaksir berada pada batas-batas integral model tersebut, oleh karena itu dibutuhkan suatu metode simulasi untuk menghitung nilai dari taksiran tersebut. Parameter pada model multinomial probit ditaksir dengan menggunakan metode maximum simulated likelihood estimation (MSLE) yang berdasarkan pada simulasi GHK.

---

Discrete choice model is a model commonly used to model choice. Discrete choice model can be derived from utility functions. One model commonly used discrete choice model is multinomial probit. Multinomial probit model assumes that the errors component in the utility function of standard normal distribution. Multinomial probit models shaped folding integral (J-1) with J is the number of alternative options and the parameters to be estimated to be at the limits of the integral model, and therefore requires a simulation method to calculate the value of those estimates. Parameters in the multinomial probit model was estimated using the method of simulated maximum likelihood estimation (MSLE) is based on the GHK simulation."

"Pelayanan Angkutan Umum di Jakarta sangat buruk yang dapat dilihat ketidaktepatan, ketidaknyamanan yang mengakibatkan masyarakat yang biasanya menggunakan moda pribadi enggan berpindah (shifted) ke Angkutan Umum. Dari kondisi yang demikian akan mengakibatkan kinerja jaringan jalan menjadi buruk. Oleh karena hal itu perencanaan dan penataan transportasi yang baik sangat diperlukan. Salah satu alternatif untuk mengurangi kemacetan tersebut adalah penggunaan moda Busway, yakni moda baru dengan pelayanan yang berbeda dari angkutan umum yang sudah ada, sehingga diharapkan dengan adanya publik transit yang mempunyai pelayanan yang bagus pengguna angkutan pribadi akan berpindah ke moda Busway tersebut.Penelitian ini bertujuan untuk menganalisis probabilitas pemilihan moda antara bus-way dan kendaraan pribadi pada koridor Blok M-Kota. Dalam penelitian ini dipakai asumsi bahwa pengguna angkutan umum tidak elastic terhadap pemilihan busway. Teknik pengumpulan data yang digunakan adalah stated preference dengan metode estimasi parameter adalah maximum likelihood. Model yang digunakan untuk menganalisis pemilihan moda digunakan model binomial probit dan model binomial logit. Untuk model binomial probit akan dianalisis dengan dua pendekatan yakni, menggunakan simulasi Monte Carlo dan Aproxiniasi Clark. Hasil selanjutnya diuji dengan alat uji statistik untuk mendapatkan parameter model yang terbaik.Dari hasil analisa terlihat bahwa ke tiga metode menghasilkan model yang sama baiknya. tint-A model Logit perhitungan secara matematis relatif mudah tetapi akurasi yang didapat kurang. Sedangkan model approximasi Probit Clark lebih akurat bila dibandingkan dengan model Logit, tetapi secara matenatis perhitungannya lebih sulit dari model Logit. Model Probit simulasi Monte Carlo menghasikan model yang paling akurat, hal ini karma model ini sudah memperhitungkan error terms, akan tetapi perhitungan secara matematis dari model ini paling rumit dan memerlukan waktu yang lama serta ketelitian yang tinggi.Terlihat juga bahwa ada responder yang captive untuk tetap menggunakan kendaraan pribadi meskipun utilitas yang ditawarkan oleh busway sudah maksimum. Responden yang captive untuk pengguna mobil sebesar 14%, sedangkan pengguna sepeda motor adalah sebesar 12%."

"Pelayanan angkutan umum di Jakarta pada umumnya adalah sangat buruk, hal ini terlihat dari tidak nyaman, tidak aman serta tidak terjadual baik. Alasan ini yang banyak dikemukakan pengguna angkutan umum yang enggan menggunakan angkutan umum. Kondisi jalan yang "mix traffic" juga mengakibatkan semakin semrawutnya kondisi lalu lintas. Untuk itulah ditawarkan suatu moda baru busway dengan pelayanan yang lebih baik dari angkutan umum yang sudah ada.Penelitian ini bertujuan untuk menganalisis pemilihan moda antara busway dengan angkutan umum pada koridor Blok M - Kota. Data yang digunakan adalah data sekunder hasil survey stated preference, metode estimasi parameter digunakan maximum likelihood Model yang digunakan untuk menganalisis pemilihan moda adalah model logit binary dan probit binary dengan melakukan simulasi Monte-Carlo dan pendekatan Clark. Sedangkan untuk mengetahui besarnya yang sifting dengan melakukan pembebanan pada koridor Blok M --Kota menggunakan model Stochastic Taxonomi User Equilibrium.Dari hasil estimasi parameter dapat dilihat bahwa pada dasarnya pelayanan moda busway lebih disukai dari pada angkutan umum, hal ini terlihat dari konstanta bertanda positif pada fungsi utilitas yang berarti preferensi relatif ada pada moda busway. Dapat dilihat juga bila nilai utilitas maksimum tetapi probabilitas tidak sama dengan satu karena adanya pengguna angkutan yang captive sehingga didapat sebuah nilai parameter lamda.Dari hasil pembebanan terlihat bahwa travel time pada jalur bukan bus-way relatif sama dengan jalur busway yang diasumsikan adalah 0,75 jam sehingga rata-rata yang pindah dari angkutan umum ke busway adalah 3.200 orang."

"Tujuan ke empat millenium development goals (MDG's) adalah menurunkan angka kematian anak. salah satu upaya untuk mengurangi angka kematian anak diperoleh dengan pemberian imunisasi dasar yang lengkap dan ASI eksklusif. penelitian ini bertujuan mengaplikasikan model probit biner bivariat untuk mengetahui faktor-faktor yang mempengaruhi pemberian imunisasi dasar dan ASI eksklusif. sumber data yang digunakan dalam penelitian ini adalah data Survei Sosial Ekonomi Nasional (SUSENAS) Provinsi Kalimantan Selatan Tahun 2013. pemilihan model terbaik berdasarkan kriteria AIC (Akaike Information Criterion) menghasilkan informasi bahwa umur perkawinan pertama ibu, pendidikan ibu, pekerjaan bapak, penolong kelahiran terakhir dan status daerah berpengaruh signifikan terhadap pemberian imunisasi dasar dan ASI eksklusif."

"Analisis regresi merupakan metode statistika yang digunakan untuk mengetahui pola hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Model regresi yang sering digunakan adalah model regresi linier dengan asumsi variabel respon berdistribusi normal. Pengembangan dari model regresi linier adalah Generalized Linear Model (GLM). Salah satu komponen dari GLM adalah fungsi penghubung yang digunakan untuk menghubungkan variabel respon dengan prediktor linier. Pemilihan fungsi penghubung ini bergantung pada jenis variabel respon. Pada variabel respon kategorik di mana tidak ada keterurutan (nominal), salah satu GLM yang dapat digunakan adalah model dengan fungsi penghubung probit. Namun, model ini tidak dapat digunakan untuk variabel respon kategorik dengan keterurutan (ordinal). Untuk itu, dikembangkan model ordered probit untuk menganalisis variabel respon ordinal dengan fungsi penghubung probit. Namun, jika kategori 0 memiliki observasi yang lebih banyak dibandingkan kategori lainnya, maka terjadi zero-inflation pada data respon. Hal ini dapat menyebabkan terjadinya overdispersi yang berakibat pada kesalahan interpretasi model dan kesalahan pengambilan kesimpulan. Untuk itu, diperlukan pengembangan dari model ordered probit, yaitu model zero-inflated ordered probit. Estimasi parameter model zero- inflated ordered probit dilakukan menggunakan metode maximum likelihood. Implementasi dari model zero-inflated ordered probit digunakan untuk memprediksi tingkat keparahan cedera akibat kecelakaan lalu lintas berdasarkan data kecelakaan lalu lintas. Sebagai variabel respon ordinal pada model zero-inflated ordered probit adalah tingkat keparahan cedera yang memiliki tiga kategori, yaitu tidak terjadi cedera berat, cedera serius, dan cedera fatal. Pada data tersebut, kategori tidak terjadi cedera berat (0) memiliki observasi yang lebih banyak dibandingkan kategori lainnya sehingga terjadi zero-inflation. Sebagai variabel prediktor pada model zero-inflated ordered probit adalah jumlah kendaraan yang terlibat dan jumlah korban jiwa. Hasil penelitian ini menyimpulkan bahwa model zero-inflated ordered probit dengan jumlah kendaraan yang terlibat sebagai inflation variable dan jumlah korban jiwa sebagai variabel prediktor merupakan model terbaik. Model ini memberikan prediksi yang sesuai dengan nilai sebenarnya dengan akurasi 85,36%. Diperoleh pula nilai AIC dari model ini sebesar 2614,282.

---

Regression analysis is a statistical method used to determine the pattern of relationship between a response variable and one or more predictor variables. The regression model that is often used is the linear regression model with the assumption that the response variable is normally distributed. The development of the linear regression model is the Generalized Linear Model (GLM). One of the components of GLM is a link function which is used to connect response variables with linear predictors. The choice of this connecting function depends on the type of response variable. For categorical response variables where there is no ordering (nominal), one GLM that can be used is a model with probit link function. However, this model cannot be used for categorical response variables with ordinal order. For this reason, ordered probit model was developed to analyze ordinal response variables with a probit link function. However, if category 0 has more observations than other categories, then zero-inflation occurs in the data response. This can cause overdispersion which results in misinterpretation of the model and wrong conclusions. For this reason, it is necessary to develop ordered probit model, namely zero- inflated ordered probit model. Zero-inflated ordered probit model parameter estimation was estimated using maximum likelihood method. The implementation of zero-inflated ordered probit model is used to predict the severity of injuries resulting from traffic accidents based on traffic accident data. As an ordinal response variable in the zero- inflated ordered probit model is the severity of injury which has three categories, namely slight injury, serious injury, and fatal injury. In this data, the category of slight injury (0) has more observations than other categories, resulting in zero-inflation. As predictor variables in the zero-inflated ordered probit model are the number of vehicles involved and the number of casualties. The results of this research conclude that the zero-inflated ordered probit model with the number of vehicles involved as the inflation variable and the number of fatalities as the predictor variable is the best model. This model provides predictions that match the actual values with an accuracy of 85,36%. The AIC value of this model was also obtained at 2614,282."