Penerapan Algoritma C4.5 dan Random Forest untuk Pemetaan Kerusakan Jalan dengan WebGIS
Abstract
Kerusakan jalan di wilayah Luwu Raya menjadi tanggung jawab BBPJN VI Makassar, yang melakukan pemantauan kondisi jalan dan melaporkan hasilnya untuk tindakan perbaikan. Penelitian ini bertujuan untuk membandingkan algoritma C4.5 dan Random Forest dalam memprediksi prioritas perbaikan jalan dan persebaran kerusakan jalan. Data yang digunakan dalam penelitian ini adalah 6100 data kerusakan jalan pada tiga ruas jalan dari tahun 2021 hingga 2023. Hasil penelitian menunjukkan bahwa meskipun akurasi antara kedua algoritma hampir sama, algoritma Random Forest memberikan hasil yang lebih konsisten dan lebih baik dibandingkan C4.5. Dengan menggunakan algoritma C4.5, didapatkan nilai presisi sebesar 87,9%, recall 82,6%, f1-score 87,8%, dan akurasi 88%. Sementara itu, Random Forest menghasilkan presisi 86,6%, recall 86,8%, f1-score 86,6%, dan akurasi 87%. Penelitian ini menghasilkan sistem informasi pemetaan berbasis WebGIS yang digunakan untuk menentukan prioritas perbaikan jalan. Hasil penelitian ini menunjukkan bahwa Random Forest lebih efektif dalam memprediksi dan menentukan prioritas perbaikan jalan di wilayah Luwu Raya
Downloads
References
Andi Tenrisukki. (2002). Konstruksi dan Pemeliharaan Jalan. Jurnal Teknik Sipil.
Arif, R. (2019). Pengenalan Data Mining dalam Ilmu Komputer. Yogyakarta: Penerbit Mitra.
Bagian-Bagian Jalan Nasional et al. (2020). Pengelolaan Jalan Nasional. Jurnal Perencanaan Infrastruktur.
BBPJN. (2024). Tugas dan Fungsi Balai Besar Pelaksanaan Jalan Nasional. Makassar: Kementerian Pekerjaan Umum.
Frastian, N., Hendrian, S., & Valentino, V.H. (2018). Perbandingan Metode C4.5, Naïve Bayes, dan Random Forest dalam Menentukan Kelulusan Mata Kuliah. Jurnal Teknologi dan Sistem Komputer, 6(2), 151-159.
Kompas.com. (2023). Jalan Rusak di Sulawesi Selatan Capai 2.009 Kilometer.
Meikalyan, R. (2017). Metode Komparasi dalam Penelitian. Jurnal Metodologi Penelitian.
Zainuddin, Zahir. "Detection and Counting of the Number of Cocoa Fruits on Trees Using UAV." 2023 IEEE International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology (IAICT). IEEE, 2023.
Novianti, A., et al. (2016). Implementasi Algoritma C4.5 dalam Klasifikasi Data. Jurnal Informatika.
Pamuji, T., & Ramadhan, A. (2021). Penerapan Random Forest untuk Klasifikasi Data. Jurnal Teknologi dan Sistem.
Pekerjaan et al. (2021). Pelaporan Kerusakan Jalan oleh Penilik Jalan. Jurnal Pekerjaan Umum.
Pahrul, A. (2023). Keunggulan Random Forest dalam Data Mining. Jurnal Teknologi Informasi.
Saragi, A., et al. (2021). Kualitas Aspal Beton dan Pengaruhnya Terhadap Ketahanan Jalan. Jurnal Konstruksi dan Material.
Sukirman, S. (1992). Perkerasan Jalan Raya: Teknologi dan Implementasi. Yogyakarta: Penerbit Teknik.
Supriyadi, H., et al. (2020). Decision Tree untuk Klasifikasi Data. Jurnal Teknik Komputer.
\Wu, X., & Kumar, V. (2016). The Top Ten Algorithms in Data Mining. Springer.
Yuli Mardi. (2016). Algoritma C4.5 dalam Data Mining. Jurnal Informatika.
JISTI
