skip to main content

Implementasi Metode Machine Learning: Penentuan Sistem Pusat Permukiman

*Kiagus Muhammad Benyamin Azhary  -  Institut Teknologi Bandung, Indonesia
Valendya Rilansari  -  Institut Teknologi Sumatera, Indonesia

Citation Format:
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.

Fulltext View|Download
Keywords: Klasifikasi Hirarki, Machine Learning, Sistem Pusat Permukiman

Article Metrics:

  1. Bakici T, Almirall E, Wareham J. 2013. A Smart City Initiative: the Case of Barcelona. Jurnal of the Knowledge Economy, 4 (2), 135-148
  2. Creswell, J. W. 2008. Educational Research: Planning Conducting, and Evaluating Quantitative and Qualitative Research, Pearson Merrill Prentice Hall, Singapore
  3. Diantika, A. S., & Firmanto, Y. 2020. Implementasi Machine Learning pada Aplikasi Penjualan Produk Digital (Studi Pada Grabkios. Jurnal Ilmiah Mahasiswa FEB Universitas Brawijaya. Vol. 9, No. 1
  4. Filipus, T., Tondobala, L., & Rengkung, M. M. 2019. Analisis Struktur Ruang Berdasarkan Pusat Pelayanan di Kabupaten Minahasa Utara. Spasial, 6(1), 14–23
  5. Handayani, F., & Pribadi, F. S. (2015). Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat Melalui Layanan Call Center 110. Jurnal Teknik Elektro, 7(1), 19-24
  6. Kasman, T. M. S. 2019. Hirarki Ruang Permukiman Dengan Kegiatan Wisata di Kampung Luar Batang, Jakarta Utara. Jurnal Ilmiah Desain & Konstruksi, 18(1), 1–15
  7. Kesuma, Z. M. 2011. Feature Selection Data Indeks Kesehatan Masyarakat Menggunakan Algoritma Relief. Statistika, 11(1), 61-66
  8. Knopt, Jeffrey W. 2006. Doing a Literature Review. PS, Political Science and Politics. Jan 2006; 39, 1; ProQuest Research Library pg.127. http://hdl.handle.net/10945/50674
  9. Muliana, R., Astuti, P., & Fadli, A. 2018. Kajian Pusat-Pusat Pelayanan di Kabupaten Kampar. Jurnal Saintis, 18(1), 59–72. https://doi.org/10.25299/saintis.2018.vol18(1).2846
  10. Novita, R., S., Harsani, P., Qur’ania, A. 2018. Penerapan K-Nearest Neighbor (KNN) untuk Klasifikasi Anggrek Berdasarkan Karakter Morfologi Daun dan Bunga. Komputasi, 15(1), 118-125
  11. Octavia, V. (2017). Analisis Regresi Logistik untuk Data Hierarki: Studi Kasus Desa Pusat Pertumbuhan Kabupaten Tasikmalaya. BIAStatistics, 11(1), 76-87
  12. Patrik, L. R., Rotinsulu, W. C., & Jocom, S. G. (2021). Analisis Hirarki Pusat Pelayanan Perkotaan Di Kota Bitung. Agri-Sosioekonomi, 17(2 MDK), 541-548
  13. Saifullah, 2013. Analisis Perbandingan Algoritma Decision Tree dengan Algoritma Random Tree untuk Proses Pre Processing Data. Univ. Sumatera Utara. Medan
  14. Santoso, 2016. Perbandingan Metode K-Nearest Neighbor (K-Nn) Dan Learning Vector Quantization (Lvq) Untuk Permasalahan Klasifikasi Tingkat Kemiskinan. Institut Teknologi Sepuluh Nopember, Surabaya
  15. Supriyadi, R, Gata, W, Maulidah, N, Fauzi, A. 2020. Penerapan Algoritma Random Forest untuk menentukan kualitas Anggur Merah. Jurnal Ilimiah Ekonomi dan Bisnis. 13(2), 67-75
  16. Sutriadi, R, 2018. Defining Smart City, Smart Region, Smart Village, and Technopolis as an innovative concept in Indonesia’s Urban and Regional Development Themes ti Reach Sustainability. IOP Conference Series: Earth and Environmental Science. 202 (2018) 012047. DOI: 10.1088/1755-1315/202/1/012047
  17. Utari, M. E. S. 2015. Analisis Sistem Pusat Pelayanan Permukiman di Kota Yogyakarta Tahun 2014. Journal of Economics and Policy.Jejak, 8 (1) (2015) : 1-88
  18. Wansaga, N. A., Tondobala, L., & Wuisang, C. 2020. Analisis Hirarki Pusat-Pusat Kegiatan Di Kota Manado. Spasial, 7(2), 195–207

Last update:

No citation recorded.

Last update:

No citation recorded.

slot gacor slot