Mutia, Riska (2024) Klasifikasi Kelayakan Transportasi Bus Menggunakan Metode Support Vector Machine (SVM) Di Dinas Perhubungan Kota Lhokseumawe. S1 thesis, Universitas Malikussaleh.

	Text Riska Mutia_190170152_Cover.pdf Download (16kB)
	Text Riska Mutia_190170152_Abstrak.pdf Download (75kB)
	Text Riska Mutia_190170152_Bab 1.pdf Download (85kB)
	Text Riska Mutia_190170152_Daftar Pustaka.pdf Download (77kB)
	Text Riska Mutia_190170152_Klasifikasi Kelayakan Transportasi Bus Menggunakan Metode Support Vector Machine (SVM) Di Dinas Perhubungan Kota Lhokseumawe.pdf Restricted to Registered users only Download (2MB)

Abstract

Transportasi memegang peranan penting dalam sistem kehidupan masyarakat. Dimana kondisi transportasi sepenuhnya sangat mempengaruhi keadaan kinerjanya, dengan kondisi transportasi yang sudah tidak layak dapat menyebabkan hal – hal yang tidak diinginkan seperti dapat menyebabkan kecelakaan. Sebuah transportasi harus memenuhi beberapa kriteria agar dapat dikatakan layak meliputi tes rem kendaraan, tes lampu utama kanan, tes lampu utama kiri, tes emisi. Untuk membantu mengetahui penumpang bahwasannya transportasi tersebut layak atau tidak layak dioperasikan, maka dibangunlah aplikasi berbasis web dengan menggunakan metode Support Vector Machine. SVM merupakan metode yang berfungsi untuk memisahkan dua kelas (hyperlane). Pada penelitian ini menggunakan 120 data kendaraan yang terdiri dari 92 data kendaraan lulus uji dan 28 data kendaraan tidak lulus uji. Kemudian menggunakan komposisi data sebesar 80% data latih dan 20% data uji yang terbagi secara acak, yaitu sebanyak 89 data kendaraan sebagai data latih dan 24 data kendaraan sebagai data uji. Data latih dan data uji yang telah terbagi lalu dilakukan proses pengujian dimana proses data tersebut didapatkan secara perhitungan manual. Sehingga pada penelitian ini, hasil pengujian yang didapatkan dari 24 data uji yaitu ada 21 data yang diprediksi True Positif, 1 data yang diprediksi True Negatif, 2 data yang diprediksi False Positif, dan 0 data yang diprediksi False Negatif sehingga menghasilkan akurasi 91,66%. Kata Kunci: Klasifikasi, Transportasi, Support Vector Machine, Confussion matrix

Item Type:	Thesis (S1)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Riska Mutia
Date Deposited:	21 Feb 2024 06:39
Last Modified:	21 Feb 2024 06:39
URI:	https://rama.unimal.ac.id/id/eprint/890

Actions (login required)

View Item