EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

KLASIFIKASI MODA TRANSPORTASI BERBASIS TRAJEKTORI GPS UNTUK ANALITIK TRANSPORTASI PUBLIK

Johanes Harindrias Kurniawan, Raviez P Putra, Dwi Pebrianti

Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 30.07.2026 · 11 (2) · 4568-4583

DOI: 10.36341/rabit.v11i2.8444 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 30.07.2026. Verfasst von Johanes Harindrias Kurniawan und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Informasi moda transportasi dari trajektori Global Positioning System (GPS) dapat membantu operator dan perencana transportasi memahami pola mobilitas publik, kendaraan individual, dan akses berjalan kaki. Penelitian ini membandingkan Logistic Regression, Linear Support Vector Machine, Decision Tree, Random Forest, dan Light Gradient Boosting Machine untuk mengklasifikasikan walk, bike, bus, car/taxi, dan train/subway. Dataset Microsoft GeoLife diolah dari 5,3 juta titik GPS berlabel menjadi 172.105 segmen berdurasi hingga 120 detik dari 55 pengguna. Validasi menggunakan Stratified Group 5-Fold Cross-Validation berbasis user_id. Analisis sensitivitas dilakukan pada satu hyperparameter utama setiap algoritma, sedangkan uji ablation digunakan untuk memilih kelompok fitur. Hasil menunjukkan bahwa 20 fitur kinematik dan dinamika gerak memberikan performa terbaik. Random Forest memperoleh macro F1 tertinggi sebesar 0,722±0,114, accuracy 0,764±0,085, dan AUROC macro 0,903±0,058, diikuti LightGBM dengan macro F1 0,703±0,085. Pada agregasi out-of-fold, bus dan train/subway sebagai transportasi publik menghasilkan F1 0,724 dan selisih proporsi segmen publik 3,14 poin persentase terhadap label aktual. Friedman test menunjukkan perbedaan peringkat keseluruhan, tetapi perbandingan berpasangan setelah koreksi Holm tidak signifikan. Hasil menegaskan bahwa ensemble berbasis pohon efektif untuk pola GPS nonlinier, meskipun kesalahan bus dan car/taxi perlu dikendalikan sebelum digunakan untuk keputusan operasional.

Zitieren

APA

Kurniawan, J. H., Putra, R. P., & Pebrianti, D. (2026). KLASIFIKASI MODA TRANSPORTASI BERBASIS TRAJEKTORI GPS UNTUK ANALITIK TRANSPORTASI PUBLIK. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 4568-4583. https://doi.org/10.36341/rabit.v11i2.8444

Vancouver

Kurniawan JH, Putra RP, Pebrianti D. KLASIFIKASI MODA TRANSPORTASI BERBASIS TRAJEKTORI GPS UNTUK ANALITIK TRANSPORTASI PUBLIK. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):4568-4583. doi:10.36341/rabit.v11i2.8444

BibTeX
@article{Kurniawan2026,
  author = {Kurniawan, Johanes Harindrias and Putra, Raviez P and Pebrianti, Dwi},
  title = {KLASIFIKASI MODA TRANSPORTASI BERBASIS TRAJEKTORI GPS UNTUK ANALITIK TRANSPORTASI PUBLIK},
  journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
  year = {2026},
  volume = {11},
  number = {2},
  pages = {4568--4583},
  doi = {10.36341/rabit.v11i2.8444}
}
Kostenlos starten →