Klasifikasi Penumpang Naik Dan Turun Dengan Sensor Load Cell Menggunakan Ekstraksi Fitur Dan Metode Support Vector Machine

Achika Fauzia Aryuni, Aji Gautama Putrada, Maman Abdurohman

Abstract

Abstrak
Kepadatan atau overload penumpang sering kali terjadi pada bus maupun angkutan umum lainnya.
Penumpang berlalu lalang naik dan dan turun bus setiap harinya. Terkait hal tersebut, berat badan manusia
dapat dimanfaatkan untuk dilakukannya klasifikasi antara penumpang naik dan penumpang turun. Tugas
akhir ini menggunakan algoritma Support Vector Machine beserta ekstraksi fitur untuk mengklasifikasi
penumpang naik dan penumpang turun. Penelitian dilakukan dengan menggunakan 100 data berat hasil
injakan penumpang pada alat yang terpasang pada pijakan pintu bus. Pembagian data latih dan data uji
secara acak dengan perbandingan 80%:20%. Pada pengujian, data penumpang naik dan penumpang turun
dipisah dan dikumpulkan dalam excel yang berbeda untuk diterapkan fitur ekstraksi, Adapun fitur yang
digunakan yaitu Mean, Median, Standar Deviasi, Kurtosis, dan Skewness. Metode Support Vector Machine
Kernel Linear berhasil mengklasifikasi data penumpang naik dan penumpang turun dengan rata-rata
akurasi 90%.
Kata Kunci : support vector machine, penumpang bus, ekstraksi fitur
Abstract
Passengers overload often occurs on buses and other public transportation. Passengers pass in and off the bus
everyday. Related to this, human body weight can be used for classification between passengers get on and
get off the bus. This final project, uses the Support Vector Machine algorithm along with feature extraction
to classify passengers getting on and off the bus. This research was conducted using 100 weight data of
passengers trampling on a device mounted on the bus door step. The training data and test data randomly
distributed with ratio of 80%:20%. In the test, data of passengers get on and get off are separated and
collected in different excel files to apply the extraction feature. The features used are Mean, Median,
Standard Deviation, Kurtosis, and Skewness. The Support Vector Machine Linear Kernel method succeeds in
classifying data of passengers get on and get off with an average accuracy of 90%.
Keyword: Passengers, Bus, Internet of Things, Support Vector Machine

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :-1