KLASIFIKASI KEPADATAN LALU LINTAS BERDASARKAN KARAKTERISTIK JALAN BERBASIS METODE MULTILAYER PERCEPTRON DAN RANDOM FOREST

• Main Author: Rahmi Maulida, Nabila
• Format: Final Project
• Language: Indonesia
• Online Access: https://digilib.itb.ac.id/gdl/view/48592
• Institution: Institut Teknologi Bandung

Pengaturan lalu lintas sering dilakukan untuk mengatasi kemacetan yang diakibatkan kepadatan dan jalan yang memiliki kapasitas berlebih. Namun, pengaturan ini masih memanfaatkan informasi yang didapatkan dari berbagai entitas di jalan, yaitu polisi dan petugas dinas perhubungan. Pengamatan kondisi dan situasi di jalan masih bersifat subjektif sehingga pengaturan lalu lintas pun menjadi subjektif. Namun, terdapat potensi teknologi yang dapat dimanfaatkan untuk membantu permasalahan yang ada. Dengan permasalahan dan peluang tersebut, terdapat dalam menyediakan informasi kepadatan lalu lintas yang lebih obyektif memanfaatkan teknologi pembelajaran mesin. Dalam pengerjaan tugas akhir ini, dilakukan pembuatan model klasifikasi kepadatan lalu lintas dengan menggunakan algoritme berbasis Artificial Neural Network – Multilayer Perceptron dan Random Forest. Penerapan tugas akhir ini dilakukan dalam lima tahap, yaitu pemahaman kebutuhan bisnis, pemahaman data, pembersihan dan persiapan data, optimasi parameter dan pemodelan, serta evaluasi. Dalam tahap pemrosesan data, dilakukan penyeimbangan data dengan oversampling. Dalam optimisasi parameter dan pemodelan, digunakan grid search dengan k-fold cross validation. Dalam tahap evaluasi, digunakan 3 metrik, yaitu recall, precision, dan F1 score. Penelitian ini dilakukan dengan data lalu lintas Australia. Hasil dari penelitian ini menunjukkan bahwa Multilayer Perceptron memberikan hasil terbaik dengan recall 0.997232, precision 0.998974, dan F1-Score 0.998100.