Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Bit (Fakultas Teknologi Informasi Universitas Budi Luhur)
Agianto Syam Halim
Universitas Amikom Yogyakarta
Computer Science & IT Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Jumlah Kendaraan Di Kota Tangerang Selatan Dengan Metode Algoritma Genetika Agianto Syam Halim; Kusrini Kusrini; Agung Budi Prasetyo
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 18, No 1 (2021): APRIL 2021
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (315.564 KB) | DOI: 10.36080/bit.v18i1.1302

Abstract

Problematika manusia yang tinggal di kota-kota besar Indonesia menyajikan hal yang sama, yaitu kemacetan. Kota Tangerang Selatan yang berbatasan langsung dengan provinsi DKI Jakarta adalah sebuah kota dengan jumlah 1.747.906 jiwa dan hanya memiliki luas wilayah 147,19 Km2. Artinya setiap 1 (satu) Km2 rata-rata dihuni oleh 11.875 orang. Pertumbuhan populasi di Kota Tangerang Selatan berbanding lurus dengan penambahan kepemilikan kendaraan bermotor roda dua dan empat. Dampak dari laju penambahan populasi dan kendaraan akan menimbulkan kemacetan, polusi dan kecelakaan. Maka dari itu dibutuhkan solusi yaitu prediksi jumlah kendaraan di Kota Tangerang Selatan. Penelitian ini diharapkan agar Pemerintah Kota Tangerang Selatan mengambil kebijakan dalam menentukan infrastruktur kota pada Rencana Tata Bangunan dan Lingkungan (RTBL) Kota Tangerang Selatan. Penelitian penulis terdiri dari beberapa tahap termasuk observasi data, pemilihan data, analisa data, dan training data dengan metode algoritma genetik. Penelitian menggunakan pengukuran akurasi prediksi dengan cara Mean Absolute Percentage Error (MAPE). Pengukuran MAPE memberikan informasi seberapa besar kesalahan dari prediksi, semakin kecil nilai persentase kesalahan pada MAPE maka semakin akurat hasil prediksi tersebut. Berdasarkan training data dan percobaan yang telah dilakukan, diperoleh nilai persentase kesalahan 0,5% hal ini membuktikan hasil prediksi sangat akurat karena dibawah nilai 10% yang menjadi tolak ukur interpretasi penilaian MAPE.
Co-Authors Agung Budi Prasetyo Kusrini Kusrini