ANALISIS KLASIFIKASI PENANGANAN KERUSAKAN JALAN MENGGUNAKAN MACHINE LEARNING

DINI, AULIA FATMA CAHYA (2024) ANALISIS KLASIFIKASI PENANGANAN KERUSAKAN JALAN MENGGUNAKAN MACHINE LEARNING. Diploma thesis, POLITEKNIK KESELAMATAN TRANSPORTASI JALAN.

	Text (ABSTRAK) 20011035-SKRIPSI-ABSTRAK.pdf Download (1MB)
	Text (BAB 1) 20011035-SKRIPSI-BAB_1.pdf Download (75kB)
	Text (BAB 2) 20011035-SKRIPSI-BAB_2.pdf Restricted to Registered users only Download (337kB) | Request a copy
	Text (BAB 3) 20011035-SKRIPSI-BAB_3.pdf Restricted to Registered users only Download (460kB) | Request a copy
	Text (BAB 4) 20011035-SKRIPSI-BAB_4.pdf Restricted to Registered users only Download (704kB) | Request a copy
	Text (BAB 5) 20011035-SKRIPSI-BAB_5.pdf Download (83kB)
	Text (LAMPIRAN) 20011035-SKRIPSI-LAMPIRAN.pdf Restricted to Registered users only Download (459kB) | Request a copy

Abstract

Klasifikasi perbaikan kerusakan jalan sangat penting untuk menentukan ketepatan metode perbaikan yang paling sesuai. Data kerusakan jalan sering kali terbatas, tidak tersedia, tidak lengkap, penuh kesalahan, tidak cukup representatif, dan pelabelannya memakan waktu serta biaya yang mahal. Klasifikasi perbaikan kerusakan jalan tol dengan fitur lebar segmen, panjang segmen, lajur, jalur, tipe perkerasan, tahun perbaikan, kontraktor, dan jenis perbaikan dibutuhkan untuk melakukan pemeliharaan dan pengelolaan infrastruktur jalan tol. Tujuan dari penelitian ini adalah membuat model klasifikasi penanganan kerusakan jalan dengan algoritma Random Forest, mengevaluasi hasil pengujian klasifikasi penanganan kerusakan jalan menggunakan accuracy, precision, recall, f1-score, dan mengklasifikasi penanganan kerusakan jalan menggunakan Algoritma Random Forest. Metode yang digunakan yaitu metode machine learning dengan pengolahan data menggunakan Random Forest. Hasil penelitian yaitu model klasifikasi penanganan kerusakan jalan menggunakan algoritma Random Forest dengan 9 kelas penanganan kerusakan jalan dilihat dari 7 fitur yang menghasilkan penyajian keterkaitan atau korelasi antara klasifikasi dengan masing-masing fitur. Kemudian melakukan standarisasi pada fitur-fitur dengan teknik Synthetic Minority Over-Sampling (SMOTE). Model klasifikasi perbaikan kerusakan jalan ditemukan menggunakan algoritma RF dengan nilai akurasi 82%, precision 81%, recall 82%, dan f1-Score 81% yang berarti kinerja model klasifikasi cukup handal dan konsisten. Jenis penanganan tertinggi dari hasil klasifikasi adalah rekonstruksi rigid atau beton pada semua fitur yang ada. Model ini juga menunjukkan bahwa panjang segmen, jalur, lajur, tahun perbaikan, dan kontraktor memiliki korelasi negatif dengan jenis perbaikan, sementara lebar segmen dan jenis perkerasan memiliki korelasi positif yang tidak signifikan. Temuan ini sangat bermanfaat bagi pengelola jalan tol untuk merencanakan dan melaksanakan pemeliharaan jalan secara lebih efektif.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Machine Learning, Random Forest, Penanganan Kerusakan Jalan
Subjects:	L Education > L Education (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Rekayasa Sistem Transportasi Jalan > Rekayasa Sistem Transportasi Jalan
Depositing User:	AULIA FATMA CAHYA DINI
Date Deposited:	05 Aug 2024 06:58
Last Modified:	05 Aug 2024 06:58
URI:	http://eprints.pktj.ac.id/id/eprint/2973

Actions (login required)

View Item