Bibliografi

Pengarang

Rachmad Akbar;

Barcode

Cat. Karya

No. Induk

Pembimbing

Kata Kunci

Divide Skip, Klasifikasi, Latitude, Longitude, Levenshtein Distance, Q-gram, Scan Count, Unigram

Pembimbing 3

Pembimbing 2

Wisnu Jatmiko

Tahun buku

2013

Barcode RFID baru

11735945

Progam Studi

ILMU KOMPUTER

Tahun Angkatan

Lokasi

FASILKOM-UI;

Tanggal Datang

29/01/2014

Abstrak Indonesia

Transportasi memegang peranan sebagai tulang punggung dari logistik, informasi, ekonomi, serta berbagai aktivitas lainnya. Tanpa adanya sistem transportasi yang ideal, pertumbuhan ekonomi tidak dapat berjalan secara optimal. Masalah utama dalam bidang transportasi di kota besar di Indonesia saat ini adalah kemacetan. Salah satu alternatif solusi untuk mengatasi masalah tersebut adalah dengan mengimplementasikan Traffic Information Gathering System. Sistem ini memanfaatkan 3 buah sensor sebagai sumber informasi lalu lintas, yakni CCTV, Twitter, dan Virtual Detection Zone (VDZ). CCTV dan VDZ digunakan sebagai sensor untuk mendapatkan informasi mengenai kepadatan dari sebuah jalur serta kecepatan rata-rata dari kendaraan yang melintas. Twitter digunakan sebagai sarana untuk melakukan verifikasi kebenaran data yang dihasilkan dari CCTV dan VDZ. Pada penelitian ini data dari Twitter akan diolah dengan 3 buah modul, yakni modul pencarian nama lokasi, modul pencarian koordinat lokasi pada tiga buah kasus input lokasi (1 input nama lokasi, 2 input nama lokasi, 3 input nama lokasi), serta modul klasifikasi data. Modul pencarian nama lokasi dilakukan terhadap database nama lokasi, menggunakan 3 buah metode (unigram, 3-gram scan count, 3-gram divide skip). Sedangkan pada modul klasifikasi data, dilakukan percobaan untuk melihat kesesuaian data yang dihasilkan terhadap beberapa metode klasifikasi (GLVQ, Naive Bayes, J48, REPTree, KNN, SLP). Hasil eksperimen menunjukkan pada percobaan perbandingan 3 buah metode pencarian nama lokasi dalam database, metode 3-gram Scan Count dan 3-gram Divide Skip memiliki akurasi yang lebih tinggi dibandingkan metode unigram, yakni sebesar 96.7% dalam kasus 30 data uji. Namun dari segi waktu komputasi, metode dengan unigram memiliki running time cost yang paling kecil. Hasil percobaan klasifikasi pada data Twitter yang didapat selama 5 minggu menunjukkan bahwa data yang telah dikonversi kedalam bentuk koordinat, kemudian dinormalisasi merupakan data yang mampu untuk diklasifikasi dengan baik. Akurasi terbaik diperoleh sebesar 76:7213% pada percobaan pertama, diikuti dengan akurasi sebesar 82:0566% pada percobaan kedua.

Daftar Isi

Cat. Umum

Judul

Estimasi lokasi dan klasifikasi kondisi lalu lintas berdasarkan hasil ekstraksi dari media sosial twitter

Asal

Korporasi

NPM

1006666135

Abstrak English

Transportation is considered as the the backbone of logistic, informations, economy, and many other kinds of citizen important activities. Without ideal transportation system, the growth of economy will not go on optimally. The main transportation problem occurred in major cities in Indonesia is traffic jam. One of the suggested alternative solution to resolve the problem is by applying Traffic Information Gathering System. This particular system uses three types of sensor as the source of traffic information, they are CCTV, Twitter, and Virtual Detection Zone (VDZ). CCTV and VDZ are applied to obtain information about traffic density and the average speed of the vehicles passing by. Meanwhile, Twitter provides certain information that are utilized to verify the correctness of the data obtained from CCTV and VDZ. In this research, the data from Twitter will be processed by three kinds of modules, they are location-name search module, location-coordinates search module on three kinds of input cases (1 location-name input, 2 location-names input, 3 location-names input) and data classifier module. Location-name search module applied to a location-name database, by implementing three methods: unigram, 3-gram scan-count and 3-gram divide-skip. Meanwhile data classifier module conducts experiment to see the fit of the resulting data on several classification methods (GLVQ, Naive Bayes, J48, REPTree, KNN, SLP). Experiment result on comparison among three location name search methods shows that the trigram Scan Count method and trigram Divide Skip have more precise accuracy than unigram method, that is 96.7% on 30 validation data. On the other hand, unigram method has the lowest running time cost. Experiment result on 5-weeks Twitter data classification shows that the data, that have been converted to location coordinate and normalized, can be classified correctly enough. The highest accuracy on the first experiment is 76:7213%, followed by 82:0566% on the second experiment.

Pengarang 2

Subjek

Penguji 2

Muhamad Ivan Fanany

Penguji 3

Pembimbing 1

Fisik

xiv, 80 hlm. : ill.; 30 cm.

Bahasa

ind

Lulus Semester

GASAL 2013/ 2014

Penerbitan

Depok: Fakultas Ilmu Komputer, 2013

Lulus semester SI

No. Panggil

SK-1221 (Softcopy SK-703) Source code 487

Penguji 1

Wahyu Catur Wibowo