KLASIFIKASI DATA TIME SERIES ARUS LALU LINTAS JANGKA PENDEK MENGGUNAKAN ALGORITMA ADABOOST DENGAN RANDOM FOREST

Ahmad Rofiqul Muslikh, Heru Agus Santoso, Aris Marjuni

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.

 


Keywords


prediksi, klasifikasi

References


X. Company, "Transportation Analytics," 2014.

B. P. Statistik, "Statistik Transportasi Darat," 2014.

B. P. Statistik, "Produk Domestik Regional Bruto Kabupaten / Kota di Indonesia 2010 - 2014," 2010 - 2014.

B. Jatim, "Eksum Rencana Induk Jalan," 2012.

T. Li and L. Seng, Prediction for Short-Term Traffic Flow Based on Optimized Wavelet Neural Network Model, Vols. 7, No 2.

V. TOPUZ, "Hourly Traffic Flow Prediction by Different ANN Models," Istanbul, 2010.

Y. Wang and C. Yanyan, "Short-Term Traffic Flow Prediction by a Sugeno Fuzzy System Based on Gaussian Mixture Models," Beijing, 2012.

L. Breiman, "Random Forest," Berkeley, 2001.

R. S. Ghadati and S. Santosa, "Prediksi Data Arus Lalu Lintas Jangka Pendek Menggunakan Optimasi Neural Network Berbasis Genetik Algorithm," Jurnal Tekhnologi Infomasi, vol. 9 Nomor 2, Oktober 2013.

P. K. Hoong, I. K. T. Tan, O. K. Chien and C.-Y. Ting, "Road Traffic Prediction Using Bayesian Networks".

D. M. S. A. SIDDIQUEE and Hamid-Uz-ZAMAN, "Prediction of Hourly Traffic from Short Count Using Artificial Neural Network and Support Vector Machine," Journal of Society for Transportation and Traffic Studies (JSTS), vol. 4 No 2, 2014.

Y. HUANG, "Traffic Flow Forecasting Based on Wavelet Neural Network and Support Vector Machine," Journal of Computational Information System, vol. 8 No 8, 2012.

C. M. Bishop, Pattern Recognition and Machine Learning, M. Jordan, P. J. Kleinberg and B. S. lkopf, Eds., New York: Springer, 2006.

U. Fayyad, G. Piatetsky-Shapiro and a. P. Smith, "From Data Mining to Knowledge Discovery in Databases," New York, 1997.

Ó. Marbán, G. Mariscal and J. Segovia, A Data Mining & Knowledge Discovery Process Model, I-Tech Education and Publishin, 2009.

J. Lin, E. Keogh, S. Lonardi and B. Chiu, "A Symbolic Representation of Time Series, with Implications for Streaming Algorithms," Riverside, 2003.

L. Rokach and O. Maimon, "Data Mining with Decision Tree Theory and Application," Danvers, Scientific Publishing Co. Pte. Ltd, 2008.

L. Breiman, "Bagging Predictors," Berkeley, 2004.

L. I. Kuncheva and J. J. Rodrıguez, "An Experimental Study on Rotation Forest Ensembles," Bangor, 2007.

B. Sartono and U. D. Syafitri, "METODE POHON GABUNGAN: SOLUSI PILIHAN UNTUK MENGATASI KELEMAHAN POHON REGRESI DAN KLASIFIKASI TUNGGAL," vol. 14 No 1, pp. 1 - 7, April 2010.

Y. Freund and R. E. Schapire, "A Short Introduction to Boosting," Journal of Japanese Society for Artificial Intelligence, vol. 15 No 5, pp. 771 - 780, September 1999.

M. Sokolova and G. Lapalme, "A systematic analysis of performance measures for classification tasks," Information Processing and Management, pp. 427-237, 2009.




DOI: http://dx.doi.org/10.28926/briliant.v4i1.272

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Briliant: Jurnal Riset dan Konseptual

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

BRILIANT: Jurnal Riset dan Konseptual

E-ISSN: 2541-4224, P-ISSN: 2541-4216

 

Published by:

Lembaga Penelitian dan Pengabdian Masyarakat

Universitas Nahdlatul Ulama Blitar