Klasifikasi Kemacetan Lalu Lintas Kota Malang Melalui Media Twitter Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NW-KNN)
| Main Author: | Widyaswari, Putu Amelia Vennanda |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/166816/ |
Daftar Isi:
- 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.