Penerapan Machine Learning untuk Menentukan Lokasi Halte di Kota Surabaya Berdasarkan Pendekatan 15-Minute City

Amanda, Adhira Riyanti (2025) Penerapan Machine Learning untuk Menentukan Lokasi Halte di Kota Surabaya Berdasarkan Pendekatan 15-Minute City. Project Report. [s.n.], [s.l.]. (Unpublished)

Text 5025211102-Project_Report.pdf - Accepted Version Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Penerapan Machine Learning Untuk Menentukan Lokasi Halte Di Kota Surabaya Berdasarkan Pendekatan 15-Minute City bertujuan untuk mengimplementasikan konsep "15-Minute City" yang diperkenalkan oleh Carlos Moreno di Surabaya, salah satu kota terbesar di Indonesia yang sedang menghadapi tantangan urbanisasi pesat dan pertumbuhan penduduk yang signifikan. Konsep ini menekankan pentingnya menciptakan lingkungan urban di mana kebutuhan dasar masyarakat — termasuk tempat tinggal, bekerja, perdagangan, kesehatan, pendidikan, dan hiburan — dapat diakses dalam waktu 15 menit berjalan kaki atau bersepeda. Dengan demikian, proyek ini berkontribusi dalam mengurangi tekanan pada infrastruktur dan layanan publik sekaligus meningkatkan efisiensi tata ruang kota secara berkelanjutan. Proyek ini memanfaatkan teknologi kecerdasan buatan, termasuk algoritma machine learning seperti bagging dan boosting, untuk memprediksi lokasi potensial bagi halte transportasi publik. Algoritma ini dirancang untuk menganalisis dataset yang dikumpulkan melalui Google Maps dan OpenStreetMap NetworkX, memungkinkan evaluasi berbasis data guna memberikan rekomendasi penempatan halte yang strategis. Pendekatan ini tidak hanya meningkatkan efisiensi transportasi publik tetapi juga memastikan aksesibilitas yang optimal ke enam fungsi sosial utama yang menjadi fokus konsep 15-Minute City. Sistem ini juga akan membantu perancang kota menganalisis area yang belum memenuhi kriteria "Kota 15 Menit" dan memberikan rekomendasi untuk penempatan halte. Proyek ini diharapkan menjadi solusi inovatif untuk perencanaan urban yang lebih berkelanjutan, sekaligus memberikan manfaat langsung bagi masyarakat dan perencana kota di Surabaya. Selain itu, sistem ini dilengkapi dengan fitur evaluasi yang mengukur kelengkapan fungsi sosial di area tertentu, memberikan rekomendasi penempatan halte untuk area yang tidak memenuhi kriteria "Kota 15 Menit". Proyek ini diharapkan menjadi alat yang efektif dalam perencanaan urban yang inklusif, berkelanjutan, dan berfokus pada peningkatan kualitas hidup masyarakat Surabaya.
============================================================================================================================
The Application of Machine Learning to Determine Bus Stop Locations in Surabaya Based on the 15-Minute City Approach This project aims to implement the "15-Minute City" concept introduced by Carlos Moreno in Surabaya, one of the largest cities in Indonesia facing rapid urbanization and significant population growth challenges. The concept emphasizes the importance of creating urban environments where basic needs—such as housing, work, commerce, healthcare, education, and entertainment—can be accessed within 15 minutes by walking or cycling. Consequently, this project contributes to reducing the strain on infrastructure and public services while enhancing the efficiency of urban spatial planning in a sustainable manner. The project leverages artificial intelligence technology, including machine learning algorithms like bagging and boosting, to predict potential locations for public transport bus stops. These algorithms are designed to analyze datasets collected through Google Maps and OpenStreetMap NetworkX, enabling data-driven evaluations to provide strategic recommendations for bus stop placements. This approach not only enhances the efficiency of public transportation but also ensures optimal accessibility to the six key social functions emphasized in the 15-Minute City concept. The system will also assist urban planners in analyzing areas that do not yet meet the "15-Minute City" criteria and offer recommendations for bus stop placement. This project is expected to serve as an innovative solution for more sustainable urban planning while delivering direct benefits to the residents and urban planners of Surabaya. Furthermore, the system includes an evaluation feature to assess the completeness of social functions in specific areas, providing recommendations for bus stop placement in areas that fall short of the "15-Minute City" criteria. This project is anticipated to become an effective tool for inclusive, sustainable urban planning, focusing on improving the quality of life for the people of Surabaya.

Item Type:	Monograph (Project Report)
Uncontrolled Keywords:	15-Minutes City, Google Maps API, Halte, Machine Learning
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence
Divisions:	Faculty of Industrial Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Adhira Riyanti Amanda
Date Deposited:	22 Jan 2025 05:08
Last Modified:	22 Jan 2025 05:08
URI:	http://repository.its.ac.id/id/eprint/116587

Actions (login required)

View Item