Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Ekstraksi informasi kemacetan pada media digital
Andi Insanudin NIM. (2013) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Kemacetan di kota-kota besar merupakan masalah dasar lalu lintas yang sulit untuk diselesaikan. Instansi-instansi terkait seperti kepolisian dan Dinas Perhubungan telah melakukan berbagai macam cara untuk mengatasi kemacetan tersebut tetapi tidak sepenuhnya teratasi. Di sisi lain, masyarakat memiliki cara tersendiri untuk mengatasi masalah tersebut, yaitu dengan cara melihat atau bertukar informasi mengenai kemacetan pada media digital. Akan tetapi, muncul masalah baru ketika informasi yang diberikan tidak jelas, yaitu dengan tidak disaijkan data spasial berupa peta. Salah satu cara untuk mengkombinasikan data spasial dan informasi teks adalah dengan mengekstrak informasi dari berbagai sumber data informasi kemacetan yang di lanjutkan dengan menampilkan hasil ekstrakasi tersebut ke dalam bentuk peta dengan menggunakan text mining. Salah satu algoritma yang dapat dipakai dalam proses pengekstraksian informasi pada text mining adalah algoritma KNN (K-Nearest Neighbor). Informasi dari sumber data tersebut akan melalui tahap pembersihan (cleaning) pada tahap preprocessing dengan dilanjutkan dengan tahap postprocessing (algoritma KNN). Pada tahap postprocessing, data informasi kemacetan akan diklasifikasikan ke dalam kelas-kelas yang telah ditentukan. Setelah itu, hasil dari tahap postprocessing akan ditampilkan pada bentuk peta. Adapun batasan pada tahap awal penelitian ini, peta yang digunakan merupakan peta pada smartphone Android serta sumber data kemacetan diambil dari media sosial Twitter dan website Lewat Mana dengan batasan kota adalah kota Bandung.Hasil akhir yang di dapat dari penelitian ini adalah ekstraksi informasi dapat membantu memberikan informasi kemacetan yang lebih terperinci, serta dengan ditampilkannya informasi tersebut ke dalam bentuk peta pada smartphone Android, masyarakat dapat dengan mudah dalam mengetahui informasi kemacetan. Hal tersebut didukung dengan data hasil pengujian beta bahwa informasi kemacetan dengan menggunakan peta merupakan langkah yang sangat efektif.
Ringkasan Alternatif
Traffic jam in big cities is a basic problem of traffic which is hard to be resolved. The related departments, which are Police department and Department of Transportation, have done many efforts in order to solve the traffic jam but it still cannot be resolved at all. On the other side, people have their own way to overcome the traffic jam, which is by browsing or changing information about it in digital media. However, a new problem arises when the given information is not clear, which is not presented with the spatial data as a map.There is one way to combine the spatial data and text information, which is by extracting the information from many data sources of traffic jam information and continues displaying the extraction result into a map by using the text mining. One algorithm that can be used in the process of extracting information on the text mining is KNN (K-Nearest Neighbor) algorithm. Information from the data sources will pass the cleaning and preprocessing phase and will be continued by passing the post-processing phase (KNN algorithm). In the post-processing phase, the data of traffic jam information will be classified into the classes which have been specified. Afterwards, the result of post-processing phase will be displayed in a map. In addition, the used map in the first phase of this research is the map on Android smartphone, and the data source is taken from social media Twitter and website of Lewat mana with Bandung as the restriction of city.The final result which is achieved on this research is extraction of information can help giving more detailed traffic jam information. By displaying the information in a map on Android smartphone, people can be more easily to know the traffic jam information. That thing is supported by the beta testing result, that is traffic jam information by using a map is an effective action.