Text

ANALISIS SENTIMEN TERHADAP KEMACETAN LALU LINTAS MENGGUNAKAN YOLOv8 DENGAN ALGORITMA GATED RECURRENT UNIT BERDASARKAN DATA PADA SOSIAL MEDIA DAN REKAMAN VIDEO DI JALAN PROTOKOL PALEMBANG

---

Penelitian ini mengusulkan pendekatan hibrida untuk mendeteksi kemacetan lalu lintas dengan menggabungkan data visual dari CCTV, yang diproses menggunakan algoritma YOLOv8, dan data opini publik dari komentar Instagram, yang dianalisis menggunakan algoritma Gated Recurrent Unit (GRU). Dataset yang digunakan terdiri dari 7.680 citra berlabel dan 660 komentar media sosial. Hasil deteksi kendaraan menggunakan YOLOv8 menunjukkan tingkat akurasi di atas 90%. Sementara itu, model GRU setelah melalui tahap praproses dan pembobotan TF-IDF menghasilkan akurasi sebesar 85% pada data latih dan 76% pada data uji, dengan nilai F1-score sebesar 76%. Verifikasi manual terhadap 66 komentar menunjukkan tingkat akurasi prediksi GRU sebesar 75,76%. Namun demikian, hanya 28,79% hasil sentimen yang sesuai dengan data visual aktual, menunjukkan adanya ketidaksesuaian antara opini media sosial dengan kondisi lalu lintas nyata. Penelitian ini menyoroti potensi integrasi data visual dan tekstual dalam pemantauan lalu lintas perkotaan, sekaligus menggarisbawahi tantangan sinkronisasi temporal dan kontekstual dalam penerapannya.

---

Availability

Detail Information

Series Title

-

Call Number

T1838632025

Publisher

Indralaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya., 2025

Collation

xv, 94 hlm.; ilus.; tab.; 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

006.307

Content Type

Text

Media Type

unmediated

Carrier Type

other (computer)

Edition

-

Subject(s)

Kecerdasan Buatan
Prodi Sistem Komputer

Specific Detail Info

-

Statement of Responsibility

SEW

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment