HASIL YANG DI CAPAI
4. Activity Diagram Exit
Memilih Menu Keluar Menampilkan Konfirmasi Keluar
Memilih Tidak
Menampilkan Menu Utama
Memilih Keluar
Keluar Aplikasi
Gambar 5.5. Activity Diagram Exit
Pada gambar 5.5 adalah activity diagram menu exit, pada tampilan ini dijelaskan memilih menu keluar, kemudian menampilkan konfirmasi menu keluar jika memilih iya maka akan menampilkan menu utama aplikasi accelemoter mendeteksi jalan rusak, jika memiih keluar maka akan keluar dari aplikasi.
33
C. Sequence Diagram
Aktor
Aplikasi
Mulai Membuka Aplikasi
Menu Utama
Menampilkan Menu Utama
Input Nama Jalan Aplikasi Accelometer
mengisi nama jalan rusak
mendeteksi x,y,y,z
Z-Dif & Pothole
Menghitung nilai Zdif dan Pothole
Gambar 5.6. Menampilkan Sequence Diagram
Pada tampilan 5.6 menampilkan sequence diagram aplikasi Sensor Accelerometer Pada smartphone android sebagai pencatat lokasi jalan berlubang di Semarang Timur pada sequence diagram ini menjelaskan mengenai tampilan aplikasi.
Pada penelitian ini data yang digunakan diambil dari jalan yang ada di semarang timur. Pengumpulan dataset melalui Ponsel Android yang diletakkan pada saku pengendara. Dataset terdiri dari nilai sumbu x,y,z dari accelerometer, koordinat lokasi berupa latitude dan longitude, dan terakhir ada speed untuk mengetahui kecepatan
kendaraan. Nilai-nilai tersebut digunakan untuk mengidentifikasi
permukaan jalan dan memfilter permukaan jalan yang tidak termasuk
berlubang. Dan diharapkan hasil dari penerapan penelitian ini dapat
dimanfaatkan oleh pihak Dinas setempat guna untuk mengumpulan informasi jalan yang rusak sehingga dengan adanya informasi jalan yang rusak secara up to date dinas setempat dapat segera melakukan perbaikan jalan. Untuk hasil implementasi aplikasi sensor
34
accelerometer dengan menggunakan kombinasi algoritma pothole detection dan z-diff dapat dilihat pada gambar dibawah ini :
Gambar 5.7 Antar Muka Halaman Utama
Gambar 5.8 Proses Rekam Data
35
Pada gambar 5.7 menunjukkan halaman utama dari aplikasi android. Tampilan ini berfungsi untuk menentukan nama jalan yang akan diidentifikasi permukaan jalannya. Kemudian setelah mengisi nama jalan pengguna harus klik tombol mulai untuk memulai merekam data identifikasi permukaan jalan. Pada gambar 5.8 merupakan halaman yang digunakan untuk membaca nilai sumbu x, y, z dari hasil rekaman accelerometer. Di halaman tersebut terdapat lattitude dan longitude untuk merekam lokasi permukaan jalan dan speed untuk merekam kecepatan kendaraan. Hasil rekaman data akan diexport ke dalam file yang bertipe xls.
Penerapan algoritma pothole detection dan Z-Diff terdapat pada proses filter data pada saat merekam menggunakan aplikasi diatas. Data yang diexport kedalam file .xls adalah data yang telah difilter menggunakan algoritma pothole detection dan Z-Diff. Tahapan filter data hasil rekaman aplikasi diatas adalah sebagai berikut :
a. Kecepatan: Tahap ini mencatat data berdasarkan kecepatan, batas kecepatan yang tercatat harus ≥ 10km / jam.
b. High Pass: high pass akan menghilangkan nilai percepatan data dari nilai frekuensi rendah di setiap sumbu-x dan sumbu-z yang masuk. Frekuensi rendah dipengaruhi oleh membungkuk, melanggar, memutar, dan sedikit gerakan pada alat. Batas minimum yang ditentukan dalam sumbu x adalah x ≥ 0 dan sumbu z adalah z ≥ 10.
c. Z-Peak: menentukan nilai ambang (tz) di sumbu Z dengan menggunakan algoritma Z-Diff. Lalu hilangkan semua data yang kurang dari nilai ambang (tz). Nilai ambang () diperoleh dari sumbu Z minimum dari Z-Axis maksimum dalam setiap percobaan, kemudian dihitung dengan rumus z-z-1 / t-t-1. Dan kemudian menyaring data jika z-z-1 / t-t-1≥ sehingga data akan direkam.
d. XZ-Ratio: membandingkan sumbu-x dan sumbu-z yang dapat menghasilkan nilai tx. Data akan dihapus jika 𝑥 𝑧 ≤ tx .. Percobaan penelitian ini menggunakan tx = 0,257
36
e. Kecepatan Vs z Rasio: membandingkan kecepatan dan sumbu-z dengan rumus z ≤ ts x speed. Nilai ts yang digunakan dalam percobaan ini adalah 0,008.
Kedua metode tersebut diterapkan pada system yang memanfaatkan sensor accelerometer dengan tujuan untuk menyaring data sensor accelerometer. Data tersebut digunakan untuk mengidentifikasi permukaan jalan yang perlu diperbaiki sehingga dapat meningkatkan kinerja dinas perhubungan kota semarang untuk memperbaiki jalan dengan cepat. Pengumpulan dataset melalui system yang memanfaatkan sensor accelerometer pada ponsel android. Hasil pengumpulan data digunakan untuk mengidentifikasi permukaan jalan yang perlu diperbaiki di wilayah semarang timur sebagai berikut :
Table 5.1. Hasil Identifikasi Permukaan Jalan Wilayah Semarang Timur
Wilayah Nama Jalan Jumlah Titik
Muktiharjo Lor Jl. Sendang Indah Raya 26 Jl. Muktiharjo Raya 0
Palebon Jl. Palebon Raya 3
Bangetayu Wetan Jl. Al Barokah 4
Tlogosari Kulon 26
Tlogosari Wetan 32
Gayamsari Jl. Slamet Riyadi 1
Pedurungan Jl. Bridjen Sudiarto 2
System mengidentifikasi permukaan jalan dengan metode pothole detection dan Z-Diff. Pengumpulan data dilakukan pada setiap kecamatan di Semarang timur Dari tabel 1 diatas terdapat 94 titik lokasi jalan rusak yang terdeteksi oleh system. Data tersebut diambil dari beberapa jalan yang tingkat kerusakan jalannya tinggi di kecamatan Gayamsari, Pedurungan, dan Genuk wilayah Semarang Timur. Dibawah ini adalah hasil pengumpulan data menggunakan aplikasi accelerometer.
Tabel 5.2 Hasil Pengumpulan Data
Jam Detik x y z latitude longitude speed
37 19:13:43 43 0:00:01 5,60661 0 18,0194 -6,98294 110,475 13,464 19:13:50 50 0:00:07 2,46962 2,14282 11,1486 -6,98306 110,475 15,336 19:14:03 63 0:00:13 12,0075 2,61388 11,4497 -6,98282 110,476 21,564 10:17:10 10 0:00:00 2,07039 0 10,6554 -6,98696 110,458 20,808 10:17:11 11 0:00:01 2,66893 0 10,4447 -6,98688 110,458 22,68 10:17:14 14 0:00:03 2,22243 0 10,4609 -6,9867 110,458 25,344 10:17:27 27 0:00:13 0 0 10,6464 -6,98593 110,458 25,704 10:17:28 28 0:00:01 2,98499 0 11,971 -6,98593 110,458 25,704 10:17:33 33 0:00:05 3,06039 0 11,2408 -6,98562 110,458 16,596 10:17:35 35 0:00:02 2,18411 0 10,6255 -6,98562 110,458 16,596 10:17:41 41 0:00:06 3,34052 0 11,2767 -6,98531 110,459 23,616 10:17:47 47 0:00:06 2,72102 0 10,1065 -6,98487 110,459 21,528 10:17:52 52 0:00:05 0 0 10,7164 -6,98469 110,459 25,812 10:17:55 55 0:00:03 2,78326 0 11,4515 -6,9845 110,459 24,3 10:17:57 57 0:00:02 2,55461 0 11,0612 -6,98435 110,459 21,78 10:18:01 61 0:00:04 3,15137 0 15,6024 -6,98416 110,459 28,008 10:18:19 79 0:00:18 5,79337 0 25,1667 -6,98346 110,459 17,208 10:18:21 81 0:00:02 2,61687 0 17,8272 -6,98336 110,459 15,192 10:18:22 82 0:00:01 0 0 10,9744 -6,98336 110,459 15,192 10:18:44 22 0:00:22 2,65756 0 10,8032 -6,98174 110,46 26,136 10:18:49 5 0:00:05 5,30138 3,62183 12,7491 -6,98146 110,46 16,164 10:18:53 4 0:00:04 2,85989 0 11,634 -6,98114 110,46 22,536 10:18:55 2 0:00:02 0 0 13,6613 -6,98114 110,46 22,536 10:18:56 1 0:00:01 3,60568 0 13,8606 -6,98114 110,46 22,536 10:18:57 1 0:00:01 0 0 12,1542 -6,98105 110,46 20,52 10:18:58 1 0:00:01 2,50974 0 14,7608 -6,98105 110,46 20,52 10:19:19 21 0:00:21 0 0 12,4768 -6,98014 110,46 15,372 10:19:22 3 0:00:03 3,2178 0 12,0883 -6,97997 110,46 23,328 10:19:23 1 0:00:01 3,36804 0 10,0742 -6,97975 110,46 28,476 18:13:41 0 0:00:00 0 3,81696 12,3487 -7,01101 110,473 23,832 18:14:29 48 0,000555556 5,02245 0 10,4782 -7,01247 110,477 40,968 18:37:58 0 0 0 0 15,4761 -7,00766 110,466 18,36 18:38:58 60 0:01:00 2,86647 0 15,5791 -7,0056 110,466 21,276 18:40:12 74 0:01:14 0 0 11,6717 -7,00407 110,468 12,348 19:04:09 0 0:00:00 12,7527 4,5927 17,7602 -6,9679 110,458 24,228 18:28:47 0 0:00:00 2,22781 0 12,8455 -6,99981 110,445 18,648 10:23:02 0 0:00:00 0 0 11,4365 -6,98636 110,46 20,772 10:23:04 2 0:00:02 0 0 13,0867 -6,98618 110,46 26,064
Pada Tabel 5.2 mengenai hasil dari aplikasi accelometer, menghasilkan nilai zdif dan pothole jalan yang di hasilkan berlubang atau tidak berlubang. Di ambil dari nilai tetha, menghitung rentang waktu jarak b dikurangi a, kemudian rentang sumbu z b dikurangi a, jika nilai lebih dari rata rata tetha pertempat maka jalan berlubang.
38
5.2. Mengklasifikasikan Data Menggunakan Algoritma Naive Bayes a. Penentuan Kriteria
a. Sumbu X : Kecil, Besar b. Sumbu Z : Kecil, Besar c. Speed : Cepat, Lambat
b. Analisa Perhitungan Metode Naive Bayesian
Berikut ini adalah tabel traning data jalan rusak menggunakan sensor accelerometer adalah di bawah ini:
Tabel 5.3 Tabel Traning Jalan Rusak
Jam x Nilai X/Z Ratio
X Y z Ket Z Speed
Ket
Speed latitude longitude Kategori 19.13.42 10,8565 0,5554248 Besar 0 19,5463 Besar 13,464 Cepat -6,98294 110,475 Rusak
Berat 19.13.43 5,60661 0,311143 Besar 0 18,0194 Besar 13,464 Cepat -6,98294 110,475 Rusak Berat 19.13.50 2,46962 0,2215184 Kecil 2,142 11,1486 Kecil 15,336 Cepat -6,98306 110,475 Rusak Ringan 19.14.03 12,0075 1,0487174 Besar 2,613 11,4497 Kecil 21,564 Lambat -6,98282 110,476 Rusak Berat 10.17.10 2,07039 0,1943043 Kecil 0 10,6554 Kecil 20,808 Lambat -6,98696 110,458 Rusak Ringan 10.17.11 2,66893 0,2555296 Kecil 0 10,4447 Kecil 22,68 Lambat -6,98688 110,458 Rusak Ringan 10.17.14 2,22243 0,2124511 Kecil 0 10,4609 Kecil 25,344 Lambat -6,9867 110,458 Rusak Ringan 10.17.27 0 0 Kecil 0 10,6464 Kecil 25,704 Lambat -6,98593 110,458 Rusak Ringan 10.17.28 2,98499 0,2493518 Kecil 0 11,971 Kecil 25,704 Lambat -6,98593 110,458 Rusak Ringan 10.17.33 3,06039 0,2722573 Besar 0 11,2408 Kecil 16,596 Cepat -6,98562 110,458 Rusak Berat 10.17.35 2,18411 0,2055536 Kecil 0 10,6255 Kecil 16,596 Cepat -6,98562 110,458 Rusak Ringan 10.17.41 3,34052 0,2962321 Besar 0 11,2767 Kecil 23,616 Lambat -6,98531 110,459 Rusak Berat 10.17.47 2,72102 0,2692347 Besar 0 10,1065 Kecil 21,528 Lambat -6,98487 110,459 Rusak Berat 10.17.52 0 0 Kecil 0 10,7164 Kecil 25,812 Lambat -6,98469 110,459 Rusak Ringan 10.17.55 2,78326 0,2430476 Kecil 0 11,4515 Kecil 24,3 Lambat -6,9845 110,459 Rusak Ringan 10.17.57 2,55461 0,2309523 Kecil 0 11,0612 Kecil 21,78 Lambat -6,98435 110,459 Rusak Ringan 10.18.01 3,15137 0,2019798 Kecil 0 15,6024 Besar 28,008 Lambat -6,98416 110,459 Rusak Berat 10.18.19 5,79337 0,2301998 Kecil 0 25,1667 Besar 17,208 Cepat -6,98346 110,459 Rusak Berat
39
10.18.21 2,61687 0,1467909 Kecil 0 17,8272 Besar 15,192 Cepat -6,98336 110,459 Rusak Berat 10.18.22 0 0 Kecil 0 10,9744 Kecil 15,192 Cepat -6,98336 110,459 Rusak Ringan 10.18.44 2,65756 0,2459975 Kecil 0 10,8032 Kecil 26,136 Lambat -6,98174 110,46 Rusak Ringan 10.18.49 5,30138 0,4158239 Besar 3,62183 12,7491 Kecil 16,164 Cepat -6,98146 110,46 Rusak Ringan 10.18.53 2,85989 0,2458217 Kecil 0 11,634 Kecil 22,536 Lambat -6,98114 110,46 Rusak Ringan 10.18.55 0 0 Kecil 0 13,6613 Kecil 22,536 Lambat -6,98114 110,46 Rusak Ringan 10.18.56 3,60568 0,2601388 Besar 0 13,8606 Kecil 22,536 Lambat -6,98114 110,46 Rusak Berat 10.18.57 0 0 Kecil 0 12,1542 Kecil 20,52 Lambat -6,98105 110,46 Rusak Ringan 10.18.58 2,50974 0,1700274 Kecil 0 14,7608 Kecil 20,52 Lambat -6,98105 110,46 Rusak Ringan 10.19.19 0 0 Kecil 0 12,4768 Kecil 15,372 Cepat -6,98014 110,46 Rusak Ringan 10.19.22 3,2178 0,2661913 Besar 0 12,0883 Kecil 23,328 Lambat -6,97997 110,46 Rusak Berat
10.19.25 3,35 0,2233333 Kecil 0 15 Kecil 25 Lambat -6,97997 110,46 ?
Kemudian Bagaimana Cara Menghitung No 30, Kategori Hasil Apakah Yang Akan di Dapatkan Dalam Hasil Kategori?
Perhitungan Naive Bayesian :