Implementasi Metode Clustering Untuk Pengelompokkan Koordinat Kondisi Jalan Berbasis Google Map

Authors

  • Nur Wakhidah Universitas Semarang
  • Siti Asmiatun Universitas Semarang
  • Astrid Novita Putri Universitas Semarang

Keywords:

Google Map, clustering, kondisi, jalan, semarang

Abstract

Kondisi jalan di Indonesia khususnya di kota Semarang sering mengalami kerusakan pada saat musim hujan. Jika kondisi tersebut tidak segera diperbaiki maka dapat merugikan pengguna jalan seperti meningkatakan penggunaan bahan bahan bakar dan pemeliharaan kendaraan sampai dengan mengancam keamanan lalu lintas. Solusi dari permasalahan tersebut salah satunya yaitu menyediakan informasi kondisi permukaan jalan yang uptodate sehingga dinas setempat dapat melakukan perbaikan jalan dengan cepat. Penelitian ini membahas tentang pengelompokkan data kondisi jalan dengan memanfaatkan metode kmeans. Pengumpulan data kondisi jalan memanfaatkan Sensor accelerometer yang merekam data sesuai dengan pergerakan perangkat. Hasil dari pengumpulan data kondisi jalan yang diperoleh dari Dinas Pekerjaan Umum untuk beberapa wilayah di Semarang sejumlah 638 jalan. Penerapan metode k-means menggunakan google map API menghasilkan cluster 1 adalah 21 jalan dengan kondisi baik 17%, rusak ringan 2 % dan rusak berat 81%, cluster 2 adalah 586 jalan dengan kondisi jalan baik 100%, rusak ringan 0 % dan rusak berat 0%, dan cluster 3 yang terdapat 31 jalan dengan kondisi jalan baik 25%, rusak ringan 73% dan rusak berat 2 %. Pada penelitian selanjutnya akan ditambahkan informasi mengenai hasil pengelompokkan kondisi jalan melalui warna jalan yang ada di map. Selain itu diharapkan adanya optimasi perbandingan metode k-means sehingga dapat mengetahui akurasi yang didapatkan dari penerapan metode.

Downloads

Download data is not yet available.

References

P. B. Lanjewar, R. Sagar, R. Pawar, J. Khedkar, and G. Kunal, “Road Bump and Intensity Detection using Smartphone Sensors,” Int. J. Innov. Res. Comput. Commun. Eng., vol. 4, no. 5, pp. 9185–9192, 2016.

J. Eriksson, L. Girod, B. Hull, R. Newton, S. Madden, and H. Balakrishnan, “The pothole patrol: using a mobile sensor network for road surface monitoring,” Proceeding 6th Int. Conf. Mob. Syst. Appl. Serv. - MobiSys ’08, p. 29, 2008.

V. Akinwande, O. Bello, K. Adewole, and A. Akintola, “Automatic and real-time Pothole detection and Traffic monitoring system using Smartphone Technology Automatic and real-time Pothole detection and Traffic monitoring system using Smartphone Technology,” Int. Conf. Comput. Sci. Res. Innov. (CoSRI 2015), no. August, 2015.

Umang Bhatt dkk. Intelligent Pothole Detection and Road Condition Assessment. Conference: Data for Good Exchange 2017, At New York, NY

Aniket kulkarni, Nithis Malghi. Pothole Detection System using Machine Learning on Android. International Journal of Emerging Technology and Advanced Engineering. Volume 4, Issue 7, July 2014

Google Cooding, 2019. "The Google Geocoding API", Situs diakses pada 3 Oktober 2019,alamat : https://developers.google.com/maps/documentation/geocoding/

Rohit maurya dan dr shalini. Road Extraction Using K-Means Clustering and Morphological Operations. International Journal Of Advanced Engineering Sciences And Technologies Vol No. 5, Issue No. 2, 290 – 295

Fiorenta Wulandari, Irawan Thamrin, Reza Budiawan, Aplikasi Informasi Lokasi Jalan Rusak BerbasisWeb dan Android, e-Proceeding of Applied Science, Vol.1, No.1 April 2015

Published

20-03-2020

How to Cite

[1]
N. Wakhidah, S. Asmiatun, and A. N. Putri, “Implementasi Metode Clustering Untuk Pengelompokkan Koordinat Kondisi Jalan Berbasis Google Map”, SENTER, pp. 150–156, Mar. 2020.

Viewed

Abstract 255 times
pdf (Bahasa Indonesia) 415 times