UMGUMG

E-Link: Jurnal Teknik Elektro dan InformatikaE-Link: Jurnal Teknik Elektro dan Informatika

Penelitian ini bertujuan untuk membandingkan metode klasifikasi pengujian kendaraan bermotor pada algoritma C4.5 dengan Naïve Bayes di Dinas Perhubungan Kabupaten Situbondo. Dataset yang digunakan berjumlah 3.264 record yang dibagi menjadi 2 subset data, data training dan data testing. Atribut yang dianalisis meliputi tahun pembuatan, kepemilikan kendaraan, emisi opasitas timbal, total gaya pengereman, standarisasi klakson, kelayakan ban kendaraan, kekuatan sinar lampu, penyimpangan pancar lampu, dan hasil pengujian. Hasil perbandingan ini menghasilkan dalam algoritma C4.5 memiliki akurasi senilai 99.69% dengan precision 99.68% dan recall 100% untuk kelas “LULUS, serta precision 100% dan recall 90.48% untuk kelas “TIDAK LULUS. Sementara algoritma Naïve Bayes menunjukkan akurasi senilai 99.13% dengan precision 99.59% dan recall 99.51% untuk kelas “LULUS serta precision 81.82% dan recall 84.38% untuk kelas “TIDAK LULUS. C4.5 lebih unggul mendeteksi kendaraan yang “TIDAK LULUS, sedangkan Naïve Bayes lebih efisien dalam komputasi. Temuan ini menyimpulkan bahwa algoritma C4.5 lebih efektif untuk pola interaksi data yang kompleks, sedangkan Naïve Bayes menawarkan kecepatan komputasi yang lebih tinggi. Pemilihan algoritma harus mempertimbangkan karakteristik dataset dan kebutuhan spesifik dari aplikasi pengujian kendaraan bermotor.

5 menunjukkan akurasi yang sangat tinggi dalam memprediksi hasil pengujian kendaraan bermotor, dengan akurasi sebesar 99.5 lebih unggul dalam mendeteksi kendaraan yang tidak lulus pengujian, sementara Naïve Bayes lebih efisien dalam komputasi.Pemilihan algoritma harus disesuaikan dengan kebutuhan spesifik aplikasi pengujian kendaraan bermotor, mempertimbangkan karakteristik dataset dan tujuan analisis.

Penelitian lanjutan dapat dilakukan dengan mengintegrasikan data dari berbagai sumber, seperti data kecelakaan lalu lintas dan data perawatan kendaraan, untuk meningkatkan akurasi prediksi kelayakan kendaraan. Selain itu, eksplorasi algoritma machine learning yang lebih canggih, seperti deep learning, dapat dipertimbangkan untuk menangani kompleksitas data yang lebih tinggi. Terakhir, pengembangan sistem pengujian kendaraan berbasis IoT yang dapat mengumpulkan data secara real-time dan memberikan umpan balik langsung kepada pemilik kendaraan dapat menjadi arah penelitian yang menjanjikan. Penelitian ini dapat membantu Dinas Perhubungan Kabupaten Situbondo dalam meningkatkan efektivitas pengujian kendaraan bermotor, mengurangi angka kecelakaan lalu lintas, dan meningkatkan keselamatan pengguna jalan. Dengan mengintegrasikan data dari berbagai sumber, menerapkan algoritma machine learning yang lebih canggih, dan mengembangkan sistem pengujian berbasis IoT, diharapkan dapat tercipta sistem pengujian kendaraan yang lebih akurat, efisien, dan responsif terhadap kebutuhan masyarakat.

Read online
File size1.2 MB
Pages15
DMCAReport

Related /

ads-block-test