p-Index From 2021 - 2026
7.007
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) CommIT (Communication & Information Technology) Journal of ICT Research and Applications International Journal of Advances in Intelligent Informatics Scientific Journal of Informatics Journal of Information Systems Engineering and Business Intelligence Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Journal of Information Technology and Computer Science (JOINTECS) JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JURIKOM (Jurnal Riset Komputer) Building of Informatics, Technology and Science Journal of Information Systems and Informatics RADIAL: JuRnal PerADaban SaIns RekAyasan dan TeknoLogi Indonesian Journal of Electrical Engineering and Computer Science Journal of Computer System and Informatics (JoSYC) Madani : Indonesian Journal of Civil Society Teknika Journal of Applied Data Sciences KLIK: Kajian Ilmiah Informatika dan Komputer Journal of Dinda : Data Science, Information Technology, and Data Analytics Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi SisInfo : Jurnal Sistem Informasi dan Informatika Jurnal INFOTEL RADIAL: Jurnal Peradaban Sains, Rekayasa dan Teknologi
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Teknika

Pendekatan Deep Learning Untuk Prediksi Durasi Perjalanan Nur Ghaniaviyanto Ramadhan; Yohani Setiya Rafika Nur; Faisal Dharma Adhinata
Teknika Vol 11 No 2 (2022): Juli 2022
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v11i2.460

Abstract

Setiap orang dalam kehidupan memiliki kecenderungan untuk berpindah dari satu tempat ke tempat lainnya. Perpindahan tersebut dapat dilakukan dengan menggunakan berbagai macam cara seperti menggunakan transportasi pribadi atau umum (bus, taksi, pesawat, dan kereta api), Pada perkembangan teknologi saat ini mode transportasi sudah semakin canggih. Akan tetapi masih ada mode transportasi yang belum modern misalnya seperti taksi, dimana salah satunya tidak dapat memprediksi lama waktu perjalanan. Meskipun sudah ada taksi yang berbasis online seperti Uber, akan tetapi masih banyak taksi yang belum berbasis online sehingga tidak bisa dilakukan estimasi waktu dan jarak. Permasalahan di atas dapat diselesaikan dengan cara melakukan pendekatan berbasis pembelajaran mesin. Salah satu keuntungan yang didapatkan jika kita dapat mengetahui lama waktu estimasi perjalanan yaitu dapat mengatur waktu perjalanan sesuai dengan rutinitas yang sedang dikerjakan ataupun juga dapat menghemat biaya yang dikeluarkan dengan mengetahui jarak yang akan dijalankan. Pada penelitian ini bertujuan untuk memprediksi durasi perjalanan pada dataset New York taxi trip duration menggunakan pendekatan deep learning yaitu Long Short Term Memory Reccurent Neural Network (LSTM-RNN). Eksperimen dilakukan dengan melakukan tuning parameter terkait seperti epoch, nilai dropout, dan neurons. Pengukuran hasil menggunakan nilai Root Mean Square Error (RMSE) dan nilai loss. Hasil yang didapatkan menggunakan model LSTM-RNN sebesar 0,0012 untuk nilai loss dan RMSE 0,4.