文章基本信息

标题：Klasifikasi Data Time Series Arus Lalu Lintas Jangka Pendek Menggunakan Algoritma Adaboost dengan Random Forest
本地全文：下载
作者：Ahmad Rofiqul Muslikh ; Heru Agus Santoso ; Aris Marjuni 等
期刊名称：Briliant
印刷版ISSN：2541-4216
电子版ISSN：2541-4224
出版年度：2019
卷号：4
期号：1
页码：78-96
DOI：10.28926/briliant.v4i1.272
出版社：Universitas Nahdlatul Ulama Blitar
摘要：Data arus lalu lintas di Indonesia di gunakan untuk manajemen kontrol arus lalu lintas, padahal data tersebut di dapatkan dari hasil survei yang di lakukan langsung kelokasi, survei yang di lakukan masih kurang efektif, dan data yang di dapat dari hasil survei tersebut di gunakan sebagai acuan dalam kontrol arus lalu lintas, maka dari itu untuk mendapatkan data arus lalu lintas yang lebih efektif di perlukan sebuah pendekatan baru yang bisa mengklasifikasikan data yang di dapat dengan akurasi yang lebih tinggi, agar kepadatan dan kemacetan dapat di prediksi lebih dini. Pada penelitian ini digunakan pendekatan menggunakan algoritma Adaboost dan Random forest untuk mengklasifikasikan dan memprediksi data hasil survei yang bersifat time series, hasil pengujian untuk prediksi menggunakan Adaboost dengan Random Forest Dengan Confusion Matrix sebagai pengukur tingkat akurasinya sebesar 99,08%, dan tingkat error di dapatkan sebesar 0,0629. Pada hasilnya menggunakan pendekatan Adaboost dengan Random Forest terbukti lebih efisien dalam mengklasifikasikan dan memprediksi data hasil survei daripada hanya mengandalkan data asli dalam memprediksi arus lalu lintas. Â.
关键词：prediksi; klasifikasi