<![CDATA[Dinas Pekerjaan Umum Bina Marga dan Cipta Karya Provinsi Jawa Tengah merupakan instansi pemerintah yang bertanggung jawab terhadap perencanaan, pembangunan jalan serta prasarana umum lainnya. Persoalan muncul ketika menentukan kota mana yang harus mendapat perhatian khusus dalam pemeliharaan jalan, dengan mempertimbangkan kondisi jalan yang memerlukan perawatan lebih ekstensif. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan memanfaatkan metode Long Short-Term Memory (LSTM) untuk memprediksi jalan berlubang. Penelitian ini memanfaatkan data yang diperoleh dari rekaman jalan berlubang yang dikumpulkan dari 9 Balai Pengelolaan Jalan (BPJ) di Provinsi Jawa Tengah, mulai tanggal 1 Januari 2023 hingga 31 Desember 2023. Temuan penelitian menunjukkan bahwa Long Short-Term Memory (LSTM) dapat mengantisipasi jalan berlubang secara akurat pada 9 dataset BPJ yang ditunjukkan dengan nilai Mean Absolute Percentage Error (MAPE). Berdasarkan hasil evaluasi, terlihat bahwa performa model berbeda-beda di berbagai lokasi. Model dengan tingkat akurasi tertinggi terdapat pada BPJ Purwodadi dengan Mean Absolute Percentage Error (MAPE) sebesar 1,932868 persen. Model ini dilatih menggunakan variasi batch 48 dan 200 epoch. Sebaliknya model dengan tingkat akurasi terendah terdapat pada BPJ Wonosobo dengan Mean Absolute Percentage Error (MAPE) sebesar 30,511073 persen. Model ini dilatih menggunakan variasi batch 48 dan 50 epoch.]]>
Copyrights © 2025
