Search for collections on University of Merdeka Malang Repository

Klasifikasi data time series arus lalu lintas jangka Pendek menggunakan algoritma adaboost dengan Random forest

[error in script] (2019) Klasifikasi data time series arus lalu lintas jangka Pendek menggunakan algoritma adaboost dengan Random forest. Briliant: jurnal riset dan konseptual, 4 (1). pp. 78-96. ISSN 2541-4216

[thumbnail of J KLASIFIKASI DATA TIME.pdf] Text
J KLASIFIKASI DATA TIME.pdf
Restricted to Repository staff only

Download (302kB) | Request a copy
[thumbnail of pdf] Text
pdf

Download (35kB)
[thumbnail of PEER REVIEW.pdf]
Preview
Text
PEER REVIEW.pdf

Download (2MB) | Preview
[thumbnail of HASIL CEK PLAGIASI.pdf]
Preview
Text
HASIL CEK PLAGIASI.pdf

Download (5MB) | Preview

Abstract

Data arus lalu lintas di Indonesia di gunakan
untuk manajemen kontrol arus lalu lintas, padahal data
tersebut di dapatkan dari hasil survei yang di lakukan
langsung kelokasi, survei yang di lakukan masih kurang
efektif, dan data yang di dapat dari hasil survei tersebut di
gunakan sebagai acuan dalam kontrol arus lalu lintas,
maka dari itu untuk mendapatkan data arus lalu lintas yang
lebih efektif di perlukan sebuah pendekatan baru yang bisa
mengklasifikasikan data yang di dapat dengan akurasi
yang lebih tinggi, agar kepadatan dan kemacetan dapat di
prediksi lebih dini.Pada penelitian ini digunakan
pendekatan menggunakan algoritma Adaboost dan
Random forest untuk mengklasifikasikan dan memprediksi
data hasil survei yang bersifat time series, hasil pengujian
untuk prediksi menggunakan Adaboost dengan Random
Forest Dengan Confusion Matrix sebagai pengukur
tingkat akurasinya sebesar 99,08%, dan tingkat error di
dapatkan sebesar 0,0629. Pada hasilnya menggunakan
pendekatan Adaboost dengan Random Forest terbukti
lebih efisien dalam mengklasifikasikan dan memprediksi
data hasil survei daripada hanya mengandalkan data asli
dalam memprediksi arus lalu lintas

Item Type: Article
Additional Information: Ahmad Rofiqul Muslikh NIDN:0724038903
Uncontrolled Keywords: traffic flow , prediction , adaboost, random forest
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions: Fakultas Teknologi Informasi > S1 Sistem Informasi
Depositing User: Surya Dannie
Date Deposited: 02 Sep 2019 13:23
Last Modified: 20 Sep 2019 02:12
URI: https://eprints.unmer.ac.id/id/eprint/44

Actions (login required)

View Item View Item