Klasifikasi Kemacetan Lalu Lintas Kota Malang Melalui Media Twitter Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NW-KNN)

Widyaswari, Putu Amelia Vennanda (2018) Klasifikasi Kemacetan Lalu Lintas Kota Malang Melalui Media Twitter Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NW-KNN). Sarjana thesis, Universitas Brawijaya.

Abstract

Twitter merupakan media sosial yang dapat digunakan untuk saling bertukar pesan, berteman, serta mencari informasi mengenai politik, hiburan, dan sebagainya. Twitter juga dapat digunakan untuk mencari informasi mengenai kemacetan lalu lintas yang terjadi, hal tersebut dapat dilakukan dengan mengakses akun-akun yang menyediakan informasi mengenai kemacetan yang terjadi pada suatu ruas jalan. Namun terkadang terdapat kata-kata ambigu yang tertulis pada tweet, sehingga memberikan kesan ambigu pada kondisi lalu lintas. Oleh karena itu melakukan klasifikasi pada tweet di twitter dirasa dapat menjadi solusi untuk masalah tersebut, klasifikasi kemacetan lalu lintas ini diperlukan untuk memudahkan para pengguna jalan dalam menentukan kondisi suatu ruas jalan secara akurat dari suatu tweet pada Twitter. Proses klasifikasi diawali dengan melakukan preprocessing pada dokumen latih dan uji, kemudian melakukan pembobotan term hingga klasifikasi dengan metode NW-KNN (Neighbor Weighted K-Nearest Neighbor). Berdasarkan implementasi serta pengujian yang dilakukan pada penelitian Klasifikasi Kemacetan Lalu Lintas Kota Malang Melalui Media Twitter Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NW-KNN) dimana menggunakan 600 data latih dan 150 data uji, didapatkan hasil sebesar 0,7336507 untuk rata-rata precision, 0,2210526 untuk recall, 0,3002686 untuk f-measure, serta akurasi yang didapatkan sebesar 0,665.

English Abstract

Twitter is a social media that can be used to exchange messages, make friends, and search for information about politics, entertainment, and so on. Twitter can also be used to find information about the traffic congestion that occurs, it can be done by accessing accounts that provide information about traffic jams that occurred on a road section. But sometimes there are ambiguous words written on tweets, so that it gives an ambiguous impression on traffic conditions. Therefore, the classification of tweets on Twitter is felt to be a solution to the problem, this classification of traffic congestion is needed to make it easier for road users to accurately determine the condition of a road segment from a tweet on Twitter. The classification process begins with preprocessing on the training and test documents, then weighting the terms up to the classification with the NW-KNN (Neighbor Weighted K-Nearest Neighbor) method. Based on the implementation and testing carried out on the study of Malang City Traffic Congestion Classification Through Media Twitter Using Neighbor Weighted K-Nearest Neighbor (NW-KNN) method which uses 600 training data and 150 test data, obtained results of 0.7336507 for the average precision, 0.2210526 for recall, 0.3002686 for f-measure, and accuracy obtained at 0.665.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/924/051900275
Uncontrolled Keywords:	Twitter, Klasifikasi, Kemacetan, NW-KNN-Twitter, Classification, Congestion, NW-KNN
Subjects:	300 Social sciences > 363 Other social problems and services > 363.1 Public safety programs > 363.12 Transportation hazards > 363.125 Highway and urban vehicular transportation
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Sugeng Moelyono
Date Deposited:	19 Apr 2020 22:50
Last Modified:	17 May 2022 07:00
URI:	http://repository.ub.ac.id/id/eprint/166816

Text Putu Amelia Vennanda Widyaswari.pdf Download (8MB)

Actions (login required)

View Item