Penentuan Lokasi Perhentian Suroboyo Bus - Trans Semanggi Suroboyo Menggunakan Machine Learning Berdasarkan Pendekatan 15-Minute City

Fardiansyah, Mohammad Firman (2024) Penentuan Lokasi Perhentian Suroboyo Bus - Trans Semanggi Suroboyo Menggunakan Machine Learning Berdasarkan Pendekatan 15-Minute City. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201109-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Surabaya telah tumbuh menjadi pusat bisnis dan perdagangan dengan infrastruktur yang
beragam dan pemukiman yang tersebar. Untuk mendukung proses bisnisnya, Surabaya
memiliki beragam layanan transportasi publik, seperti Suroboyo Bus dan Trans Semanggi
Suroboyo. Akan tetapi, pertumbuhan penduduk yang pesat memberikan tekanan tersendiri pada
layanan transportasi publik terutama ketersediaan tempat perhentian bus. Sebanyak 85-93%
dari luas Kota Surabaya masih termasuk pada kategori tidak terjangkau. Oleh karena itu,
penelitian ini bertujuan untuk membuat model prediksi lokasi mana saja yang dapat dijadikan
tempat perhentian bus menggunakan model machine learning berdasarkan pendekatan 15-
Minute City.
Dataset yang digunakan yaitu kumpulan titik koordinat di Kota Surabaya dan informasi
geografis tempat perhentian bus yang dikumpulkan menggunakan OSMnx. Model selanjutnya
dievaluasi performanya melalui confusion matrix dan dilakukan hyperparameter tuning untuk
mencari kombinasi parameter terbaik. Hasil penelitian diujikan pada tiga case study data test,
yaitu pelajar sekolah, mahasiswa, dan pasien rumah sakit.
Hasil pengujian didapatkan bahwa AdaBoost dengan hyperparameter tuning
merupakan model terbaik dengan hasil accuracy sebesar 86.96% untuk pelajar sekolah, 76.47%
untuk mahasiswa, dan 100% untuk pasien rumah sakit. Hasil prediksi selanjutnya dilakukan
post processing dengan pengujian perbandingan penerapan membership function fuzzy
trapezoidal dan triangular. Pengujian post processing menunjukkan bahwa membership
function triangular lebih cocok dalam kasus penentuan lokasi tempat perhentian bus
dikarenakan sensitif terhadap data yang mendekati batas pedoman teknis. Hasil akhir
didapatkan persentase kelayakan titik koordinat tertinggi untuk menjadi tempat perhentian bus
pada masing-masing case study adalah 61.72% untuk pelajar sekolah, 57.83% untuk
mahasiswa, dan 54.46% untuk pasien rumah sakit serta dikategorikan sebagai disarankan.
============================================================
Surabaya has grown into a business and trade center with diverse infrastructure and
scattered residential areas. To support its business processes, Surabaya offers various public
transportation services, such as Suroboyo Bus and Trans Semanggi Suroboyo. However, the
rapid population growth puts pressure on public transportation services, especially the
availability of bus stops. Approximately 85-93% of Surabaya's area is still considered
inaccessible. Therefore, this study aims to develop a predictive model for determining potential
bus stop locations using machine learning models based on the 15-Minute City approach.
The dataset used consists of a collection of coordinate points in Surabaya and
geographical information on bus stops collected using OSMnx. The model's performance is
evaluated using a confusion matrix, and hyperparameter tuning is conducted to find the best
parameter combination. The study's results are tested on three case study datasets: school
students, university students, and hospital patients.
The test results show that AdaBoost with hyperparameter tuning is the best model,
achieving an accuracy of 86.96% for school students, 76.47% for university students, and 100%
for hospital patients. The prediction results are further processed by testing the comparison
between the trapezoidal and triangular fuzzy membership functions. The post-processing tests
indicate that the triangular membership function is more suitable for determining bus stop
locations due to its sensitivity to data near the technical guideline boundaries. The final results
show the highest feasibility percentages of coordinate points for bus stops in each case study
are 61.72% for school students, 57.83% for university students, and 54.46% for hospital
patients, categorized as recommended.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Tempat Perhentian Bus, 15-Minute City, OSMnx, Machine Learning, Fuzzy Filtering, Bus Stops, 15-Minute City, OSMnx, Machine Learning, Fuzzy Filtering
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering
Depositing User:	Fardiansyah Mohammad Firman
Date Deposited:	02 Aug 2024 04:01
Last Modified:	02 Aug 2024 04:01
URI:	http://repository.its.ac.id/id/eprint/110645

Actions (login required)

View Item