ALGORITMA KOMPUTASI CERDAS UNTUK PREDIKSI JUMLAH PENGGUNA KENDARAAN SEBAGAI INDIKATOR RAWAN MACET
DOI:
https://doi.org/10.12962/j24068535.v14i1.a515Abstract
Pertumbuhan jumlah kendaraan bermotor yang tinggi menimbulkan permasalahan kemacetan sehingga memerlukan suatu solusi untuk menanganinya. Jalan rawan macet diketahui berdasarkan banyak kendaraan yang lewat dalam rentang waktu tertentu. Bahasan makalah ini adalah penggunaan algoritma komputasi cerdas, multi layer perceptron, k-means dan particle swarm optimization (PSO), untuk melakukan peramalan jalan rawan macet berdasarkan jumlah pengguna jalan. Sumber data diambil dari pengamatan lapangan yang digunakan dalam pembangkitan bilangan acak untuk distribusi uniform, eksponensial dan normal. Prediksi tingkat kepadatan jalan di suatu rentang waktu dengan jaringan saraf menunjukkan hasil lebih baik apabila data pembelajaran juga diambil dari waktu yang sama dengan sejumlah hari sebelumnya (seminggu sampai sebulan). Sedangkan penggunaan k-means+PSO untuk optimasi pengelompokkan jalan berdasarkan kepadatannya membutuhkan data belajar dengan rentang waktu lebih pendek (10 menit di hari kerja untuk mobil dan motor).
Downloads
Downloads
Published
Issue
Section
How to Cite
License
All papers should be submitted electronically. All submitted manuscripts must be original work that is not under submission at another journal or under consideration for publication in another form, such as a monograph or chapter of a book. Authors of submitted papers are obligated not to submit their paper for publication elsewhere until an editorial decision is rendered on their submission. Further, authors of accepted papers are prohibited from publishing the results in other publications that appear before the paper is published in JUTI unless they receive approval for doing so from the Editor-in-Chief.
JUTI open access articles are distributed under a Creative Commons Attribution-ShareAlike 4.0 International License. This license lets the audience to give appropriate credit, provide a link to the license, and indicate if changes were made and if they remix, transform, or build upon the material, they must distribute contributions under the same license as the original.











