Penggalian Informasi Pola Kepadatan Lalu Lintas Berdasarkan Data Sensor Lalu Lintas Menggunakan Metode High Utility Occupancy Pattern Mining

Amadea, Fransisca Diva (2021) Penggalian Informasi Pola Kepadatan Lalu Lintas Berdasarkan Data Sensor Lalu Lintas Menggunakan Metode High Utility Occupancy Pattern Mining. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

	Text 06111740000005-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy
	Text 06111740000005-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text 06111740000005-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Smart City menjadi salah satu program utama yang dilaksanakan oleh beberapa kota di Indonesia dalam beberapa tahun terakhir. Salah satu sistem pendukung pada Smart City yaitu Intelligent Transportation Systems (ITS) atau Sistem Transportasi Cerdas. Pada permasalahan ITS, kepadatan lalu lintas masih menjadi topik hangat untuk dilakukan analisis. Penelitian ini bertujuan untuk menemukan pola kepadatan lalu lintas berdasarkan data sensor lalu lintas dengan mempertimbangkan empat lokasi detektor yang memiliki nilai rata-rata okupansi yang tinggi. Secara singkat, metode yang digunakan terdiri atas diskritisasi data sensor kecepatan, okupansi, dan jumlah arus kendaraan menggunakan metode k-Means, penggalian pola kepadatan lalu lintas dari ketiga fitur sensor dengan metode High Utility Occupancy Pattern Mining (HUOPM), dan analisis pada pola kepadatan lalu lintas. Untuk tahap evaluasi metode, penelitian ini menggunakan data lalu lintas jalur bebas hambatan di San Diego sebagai studi kasus. Hasil simulasi menunjukkan bahwa metode yang digunakan mampu menemukan pola kepadatan lalu lintas pada empat lokasi detektor yang telah ditentukan dan dua lokasi detektor yang memiliki distribusi waktu kepadatan yang sama. Pola dengan nilai okupansi utilitas yang tinggi mampu menunjukkan nilai confidence dan certainty factor lebih dari 95% sehingga pola yang dihasilkan kuat dan akurat.
======================================================================================================
Smart City has become one of the main programs implemented by several cities in Indonesia in recent years. One of the support systems in Smart City is Intelligent Transportation Systems (ITS). In ITS problems, traffic density still became an interesting topic for research. This study aims to find traffic density patterns based on traffic sensor data by considering four detector locations that have a high average occupancy value. In brief, the proposed method consists of discretizing the historical sensor data of speed, occupancy, and traffic flows using the k-Means method, mining traffic density patterns from the three sensor features with High Utility Occupancy Pattern Mining (HUOPM), and analyzing traffic density patterns. For the method evaluation stage, this final project uses traffic data on the freeway in San Diego as a case study. The simulation results show that the proposed method can find traffic density patterns at each detector location and two detector locations that have the same density time distribution. Patterns with high utility occupancy values can show confidence and certainty factor values of more than 95% so that the resulting pattern is strong and accurate.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	High Utility Mining, Pola Kepadatan Lalu Lintas, Clustering
Subjects:	Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Fransisca Diva Amadea
Date Deposited:	30 Aug 2021 02:32
Last Modified:	30 Aug 2021 02:32
URI:	http://repository.its.ac.id/id/eprint/90341

Actions (login required)

View Item