IMPLEMENTASI DATA MINING UNTUK PREDIKSI USIA JALAN DI KOTA GORONTALO METODE K-NEAREST NEIGHBOR (K-NN)
Tanggal Upload: 28/08/2024
Penulis / NIM:
MOHAMAD RIZKY PAKUDU / T3114276
Program Studi:
S1 Teknik Informatika
Abstrak:
Kota Gorontalo sebagai ibukota Provinsi Gorontalo dan pusat perekonomian di Provinsi Gorontalo. Keberadaan jalan sangat penting dalam pembangunan wilayah Kota Gorontalo, terutama pada ruas-ruas jalan yang berhubungan dengan pusat perekonomian. Hal ini dibuktikan dengan adanya kawasan perekonomian di sepanjang ruas jalan tersebut seperti kampus, gudang, pasar, mall dan pertokoan. Jalan berfungsi sebagai prasarana untuk pergerakan arus lalu lintas. Dengan demikian jalan direncanakan agar dapat melayani perpindahan kendaraan dari suatu tempat ke tempat lain dengan waktu sesingkat mungkin dengan persyaratan nyaman dan aman (comfortable and safe). Perkerasan jalan akan dapat mencapai umur rencana apabila dilakukan pemeliharaan. Pemeliharaan yang dilakukan harus tepat dan sesuai dengan kondisi jalan serta kerusakannya. Permasalahan yang ada pada Dinas PU Kota Gorontalo adalah belum adanya suatu sistem yang dapat memprediksi umur jalan, proyek perbaikan jalan terjadi hanya berdasarkan laporan masyarakat, terjadinya kecelakaan dan proses peninjauan lansung oleh petugas PU Kota Gorontalo. Untuk mengetahui usia jalan dapat dilakukan dengan membuatkan sistem yang dapat memprediksi usia jalan, Data mining merupakan proses menemukan korelasi baru yang bermanfaat, pola dan trend dengan menambang sejumlah repositori data dalam jumlah besar, menggunakan teknologi pengenalan pola seperti statistic dan teknik matematika. Data mining semakin menyebar dan berkembang dengan pesat belakangan ini karena kemampuannya dalam menambang pola bermanfaat dan trend dari basis data yang sudah ada. Dengan bantuan teknik data mining, seperti algoritma yang cocok untuk melalukan prediksi atau peramalan, yang memungkinkan untuk menemukan karakteristik-karakteristik dari jalan-jalan yang ada di Kota Gorontalo untuk memprediksi usia jalan di Kota Gorontalo. K-Nearest Neighbor (K-NN) memiliki beberapa kelebihan yaitu ketangguhan terhadap training data yang memiliki banyak noise dan efektif apabila training data-nya besar. Dengan adanya integrasi data spesial dan kondisi jalan, K-NN dapat menampilkan informasi dari hasil kondisi jalan di Kota Gorontalo. Sistem ini dapat membantu Dinas PU Kota Gorontalo untuk menentukan waktu perbaikan jalan yang tepat dan benar. Hal ini di buktikan dengan hasil pengujian yang dilakukan dengan metode White Box Testing dan Basis Path yang menghasilkan nilai V(G) = CC yakni 2, serta pengujian Black Box yang menggambarkan kebenaran sebuah logika sehingga didapat bahwa logika flowchart benar dan menghasilkan informasi yang tepat dan dapat digunakan