BibTex Citation Data :
@article{tataloka16876, author = {Kiagus Azhary and Valendya Rilansari}, title = {Implementasi Metode Machine Learning: Penentuan Sistem Pusat Permukiman}, journal = {TATALOKA}, volume = {26}, number = {4}, year = {2024}, keywords = {Klasifikasi Hirarki, Machine Learning, Sistem Pusat Permukiman}, abstract = { Metode yang umum dilakukan pada penetapan hirarki pusat pelayanan saat menentukan sistem pusat permukiman adalah analisis skalogram berdasarkan beberapa variabel, lalu dilakukan identifikasi kesesuaian dengan rencana tata ruang. Teknologi informasi mengubah sudut pandang kota dalam mengatur kebijakan, kota cerdas merupakan strategi pemanfaatan teknologi informasi dalam beberapa bidang dan tata kelola perkotaaan untuk mengubah infrastruktur kota dan pelayanan publik. Oleh karena itu, pemanfaatan teknologi informasi pada proses perlu dilakukan agar terwujudnya kota cerdas berbasis pemanfaatan teknologi informasi. Pemanfaatan teknologi pada penentuan pusat pelayanan masih sedikit dikarenakan kurangnya penelitian yang memiliki konsentrasi terhadap pemanfaatan teknologi informasi pada perencanaan tata ruang kota. Menggunakan metode machine learning dalam klasifikasi hirarki berdasarkan variabel pembentuk kota sangatlah memungkinkan. Proses input-process data menggunakan python. Pemilihan dataset didasarkan karakteristik kota yang serupa untuk mencapai nilai akurasi yang tinggi serta validasi data yang akurat. Dari hasil penelitian ditemukan bahwa pengujian model Random Forest memiliki nilai akurasi paling tinggi diantara empat metode lain. Tujuan penelitian adalah untuk melakukan simulasi penentuan pusat pelayanan dengan memanfaatkan metode machine learning sehingga dapat menjadi preseden untuk kabupaten/kota di Indonesia dalam mewujudkan inovasi dan pemanfaatan teknologi pada perencanaan wilayah dan kota. Penelitian ini sangat diperlukan untuk melihat sejauh mana metode machine learning dapat dimanfaatkan pada perencanaan wilayah dan kota. }, issn = {2356-0266}, pages = {230--240} doi = {10.14710/tataloka.26.4.230-240}, url = {https://ejournal2.undip.ac.id/index.php/tataloka/article/view/16876} }
Refworks Citation Data :
Metode yang umum dilakukan pada penetapan hirarki pusat pelayanan saat menentukan sistem pusat permukiman adalah analisis skalogram berdasarkan beberapa variabel, lalu dilakukan identifikasi kesesuaian dengan rencana tata ruang. Teknologi informasi mengubah sudut pandang kota dalam mengatur kebijakan, kota cerdas merupakan strategi pemanfaatan teknologi informasi dalam beberapa bidang dan tata kelola perkotaaan untuk mengubah infrastruktur kota dan pelayanan publik. Oleh karena itu, pemanfaatan teknologi informasi pada proses perlu dilakukan agar terwujudnya kota cerdas berbasis pemanfaatan teknologi informasi. Pemanfaatan teknologi pada penentuan pusat pelayanan masih sedikit dikarenakan kurangnya penelitian yang memiliki konsentrasi terhadap pemanfaatan teknologi informasi pada perencanaan tata ruang kota. Menggunakan metode machine learning dalam klasifikasi hirarki berdasarkan variabel pembentuk kota sangatlah memungkinkan. Proses input-process data menggunakan python. Pemilihan dataset didasarkan karakteristik kota yang serupa untuk mencapai nilai akurasi yang tinggi serta validasi data yang akurat. Dari hasil penelitian ditemukan bahwa pengujian model Random Forest memiliki nilai akurasi paling tinggi diantara empat metode lain. Tujuan penelitian adalah untuk melakukan simulasi penentuan pusat pelayanan dengan memanfaatkan metode machine learning sehingga dapat menjadi preseden untuk kabupaten/kota di Indonesia dalam mewujudkan inovasi dan pemanfaatan teknologi pada perencanaan wilayah dan kota. Penelitian ini sangat diperlukan untuk melihat sejauh mana metode machine learning dapat dimanfaatkan pada perencanaan wilayah dan kota.
Article Metrics:
Last update:
Authors who publish in the Tataloka retain full copyright ownership (Copyright@Author) of their work. In keeping with the journal’s commitment to open access, all articles are published under the terms of the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0).