Sistem Klasifikasi Kerusakan Jalan Metode Machine Learning dengan Algoritma K-Means dan Random Forest
DOI:
https://doi.org/10.57250/ajst.v3i1.1212Kata Kunci:
Kerusakan Jalan, Klasifikasi, Machine Learning, K-Means, Random ForestAbstrak
Kerusakan jalan merupakan masalah yang signifikan dalam infrastruktur transportasi, yang dapat mempengaruhi kenyamanan dan kesalamatan pengguna jalan. Penelitian ini bertujuan untuk mengklasifikasi kerusakan jalan berdasarkan data yang diambil dari survey lapangan dengan menggunakan algoritma k-means dan random forest. Metode machine learning dengan menggunakan algoritma k-means dan random forest dipilih karena kemampuannya dalam mengklasifikasi dan mengelompokkan data berdasarkan kedekatan jarak antar sampel, dan dapat dapat mempercepat proses pemeliharaan jalan. Data yang digunakan mencakup pengukuran kondisi jalan, antara lain panjang jalan dalam kondisi baik, sedang, rusak, dan rusak berat. Fitur-fitur ini dipilih untuk mempresentasikan tingkat kerusakan jalan yang sesuai dengan algoritma k-means dan random forest. Penelitian ini dimulai dengan pra-pemrosesan data dan pengelompokkan data menggunakan algoritma k-means, termasuk penanganan nilai yang hilang dan standarisasi fitur, dan diikuti dengan implementasi algoritma random forest untuk klasifikasi. Kinerja model dievaluasi menggunakan confusion matrikx dan classification report, yang menunjukkan bahwa random forest mampu mengklasifikasi kerusakan jalan dengan akurasi yang benar. Kemudian hasil prediksi divalidasi dan disimpan untuk analisis lebih lanjut. Penelitian ini merupakan pengembangan model klasifikasi yang mendukung pengambilan keputusan yang terkait pemeliharaan dan perbaikan jalan secara efektif dan efisien. Penelitian ini berhasil membangun system klasifikasi kerusakan jalan dengan menggabungkan algoritma K-Means untuk pengelompokkan dan Random Forest untuk klasifikasi. Model tersebut dapat memberikan akurasi yang tinggi dalam mengidentifikasi tingkat kerusakan jalan, yang dapat mendukung upaya pemeliharaan jalan yang lebih efektif.
Referensi
(Asmiatun et al., 2019)Aini, N., Arif, M., Agustin, I. T., & Toyibah, Z. B. (2024). Implementasi Algoritma Random Forest untuk Klasifikasi Bidang MSIB di Prodi Pendidikan Informatika. Jurnal Informatika, 11(1), 11–16. https://doi.org/10.31294/inf.v11i1.20637
Algorithm, M. C. (2012). Teori K Means. 2010, 7–24.
Asmiatun, S., Wakhidah, N., Putri, A. N., & Kunci, K. (2019). Identifikasi Kondisi Permukaan Jalan Menggunakan K-Means Clustering Road Surface Conditions Identification Using K-Means Clustering. November 2019, 23–30.
Dawkins, R. (2019). Bab Ii Tinjauan Pustaka Dan Dasar Teori 2.1. Uajy, 2013, 8–11. http://e-journal.uajy.ac.id/
Fadil Danu Rahman, Mulki, M. I. Z., & Taryana, A. (2024). Clustering Dan Klasifikasi Data Cuaca Cilacap Dengan Menggunakan Metode K-Means Dan Random Forest. Jurnal SINTA: Sistem Informasi Dan Teknologi Komputasi, 1(2), 90–97. https://doi.org/10.61124/sinta.v1i2.15
García Reyes, L. E. (2013). Cara Kerja Artificial Neural Network. Journal of Chemical Information and Modeling, 53(9), 1689–1699.
Karyadiputra, E., Setiawan, A., Rizal Abdi, M., & Melanda Febriyanti, R. (2023). Implementasi Data Mining K-Means Clustering Dalam Penentuan Prioritas Perbaikan Jalan Berbasis Web. Smart Comp: Jurnalnya Orang Pintar Komputer, 12(4). https://doi.org/10.30591/smartcomp.v12i4.5685
Margolang, K. F., Zarlis, M., & Hartono, H. (2023). Sentiment Classification on Mandalika MotoGP Event Using K-Means Clustering and Random Forest. International Conference on Information Science and Technology Innovation (ICoSTEC), 2(1), 65–69. https://doi.org/10.35842/icostec.v2i1.39
Pramestya, R. H. (2018). Deteksi dan Klasifikasi Kerusakan Jalan Aspal Menggunakan Metode YOLO Berbasis Citra Digital. Institut Teknolgi Sepuluh Nopember, 91. http://repository.its.ac.id/59044/1/06111650010019-Master_Thesis.pdf
Rahmanto, A. (2016). Evaluasi Kerusakan Jalan Dan Penanganan Dengan Metode Bina Marga Pada Ruas Jalan Banjarejo - Ngawen. Simetris, 10(1), 17–24.
Ramadhani, D. N., Harjanta, A. T., Tyogi, A., & Ajhara, S. A. (2022). Implementasi Metode K-Means Pada Sistem Informasi Geografis Pemetaan Kerusakan Jalan di Dinas Pekerjaan Umum dan Penataan Ruang Kabupaten Jepara. Science And Engineering National Seminar, 7(7).
Risatayn, H., Ekojono, E., & Suryani Hormansyah, D. (2024). Metode Random Forest Untuk Klasifikasi Kerusakan Transformator Daya Berdasarkan Gas Terlarut Pada Duval Triangle Dan Duval Pentagon. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3464–3471. https://doi.org/10.36040/jati.v7i6.7743
Suci Amaliah, Nusrang, M., & Aswi, A. (2022). Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi di Kedai Kopi Konijiwa Bantaeng. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 4(3), 121–127. https://doi.org/10.35580/variansiunm31
Suprawoto, T. (2016). Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran. JIKO (Jurnal Informatika Dan Komputer), 1(1), 12–18. https://doi.org/10.26798/jiko.2016.v1i1.9
Suryani, T., Faisol, A., & Vendyansyah, N. (2021). Sistem Informasi Geografis Pemetaan Kerusakan Jalan Di Kabupaten Malang Menggunakan Metode K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 5(1), 380–388. https://doi.org/10.36040/jati.v5i1.3259
