Hasil Pencarian  ::  Simpan CSV :: Kembali

"Selama tahun 2006-2009, lebih dari 200 kecelakaan lalu lintas terjadi di Kampus Universitas Indonesia. Karena itu, penelitian ini dilakukan dengan tujuan untuk memaparkan kondisi keselamatan jalan, mengidentifikasi kondisi geometrik dan jalan yang berpotensi membahayakan keselamatan pengguna jalan dan memberikan penanganan lokasi rawan kecelakaan. Metode yang digunakan untuk mengidentifikasi lokasi rawan yaitu Angka Ekivalen Kecelakaan (AEK), sedangkan untuk analisis data kecelakaan lalu lintas menggunakan metode tabulasi silang serta untuk analisis kondisi jalan menggunakan metode Inspeksi Keselamatan Jalan (IKJ). Hasil analisis tersebut digunakan untuk memberikan penanganan lokasi rawan berdasarkan analisis resiko. Penanganan lokasi rawan yang dilakukan berfokus pada penempatan rambu lalu lintas dan marka jalan. Lokasi rawan kecelakaan pada penelitian ini yaitu Jalan Prof. Dr. Ir. Sumantri Brodjonegoro (Tikungan PNJ), Jalan Prof. Dr. Sumitro Djojohadikusumo (Tikungan Danau Puspa), Jalan Prof. Mr. Djokosoetono (Depan Halte MUI) dan Bundaran Psikologi.

---

During 2006-2009, more than 200 traffic accidents occur on Campus University of Indonesia, Depok. Therefore, this research carried out to show road safety condition, to identify geometric and road condition that potential dangerously for road users and to give solution to handling black spot.

The method to identify black spot by using Angka Ekivalen Kecelakaan (AEK), to analyze traffic accident data by using cross tabulation, and to analyze road condition by using Inspeksi Keselamatan Jalan (IKJ).

Result of these analysis are used for handle black spot based on risk analysis. Black spot handling focused on installing traffic sign and road marking. The black spot are Prof. Dr. Ir. Sumantri Brodjonegoro Road (PNJ curve), Prof. Dr. Sumitro Djojohadikusumo Road (Puspa Lake curve), Jalan Prof. Mr. Djokosoetono Road (in front of MUI bus stop) and Psychology Roundabout."

"Padatnya aktivitas lalu lintas yang terjadi setiap harinya menimbulkan gangguan yang dapat mengganggu proses pelaksanaan kegiatan berlalu lintas. Pemerintah Provinsi DKI Jakarta telah mengembangkan sistem pemantauan guna memantau situasi lalu lintas dalam mendukung kegiatan berlalu lintas dan mengurangi ganguan situasi lalu lintas. Walaupun terdapat beberapa sistem pemantauan lalu lintas, namun Informasi yang diterima oleh pengguna atau penyelenggara lalu lintas masih tidak lengkap / kurang lengkap. Penelitian ini berfokus memanfaatkan data media sosial Twitter untuk digunakan terkait pemantauan lalu lintas dan kondisi jalan. Pendekatan text mining digunakan untuk mengekstraksi informasi dari data media sosial. Jenis analisa yang digunakan pada penelitian ini adalah klasikasi untuk penyaringan data relevan dan klasifikasi untuk mengkategorikan data relevan, ekstraksi informasi lokasi untuk ekstraksi informasi lokasi dan geocoding untuk mengkonversi informasi lokasi menjadi informasi geografis. Algoritma klasifikasi yang digunakan pada penelitian ini adalah Naïve Bayes, Random Forest, Logistic Regression dan Support Vector Machine. Metode ekstraksi fitur yang digunakan pada penelitian ini adalah Bag Of Words (BOW) dan Term Frequency - Inverse Document Frequency (TF-IDF). Metode ekstraksi informasi lokasi yang digunakan pada penelitian ini adalah Named Entity Recognition (NER) dan Part Of Speech Tagger. Metode geocoding yang digunakan memanfaatkan library ArcPy. Hasil evaluasi menunjukkan model klasifikasi terbaik untuk menyaring data relevan dihasilkan dengan menggunakan algoritma Logistic Regression dan gabungan tiga fitur ektraksi BOW Unigram dan TF-IDF Word Trigram dan N-Gram Char dengan nilai F1-score 93%. Model klasifikasi untuk mengkategorikan data relevan dihasilkan dengan menggunakan algoritma Logistic Regression dan gabungan dua fitur ektraksi BOW Unigram dan TF-IDF N-Gram Char dengan nilai F1-score 96%. Metode ekstraksi informasi lokasi terbaik dihasilkan dengan menggunakan metode Standford NER dengan nilai F1-score sebesar 48% dan presisi sebesar 84%. Tingkat keberhasilkan tahapan geocoding untuk hasil ekstraksi informasi lokasi menggunakan metode NER adalah sebesar 59%. Disamping itu, dilakukan juga visualisasi sederhana berbasis web untuk menampilkan informasi data yang telah diolah dalam bentuk spasial.

---

Dense traffic activities that occur every day cause disruption that can interfere with the process of carrying out traffic activities. The DKI Jakarta Government has developed a monitoring system to monitor the traffic situation in support of traffic activities and reduce traffic disruption. Although there are some traffic monitoring system, but the information received by the user or traffic organizers are still not complete / incomplete. This study focuses on utilizing Twitter social media data for use in monitoring traffic and road conditions. The process of extracting information related to traffic situations uses a method with a text mining approach. The type of analysis used in this study is the classification for the filtering of relevant data and classification for categorizing relevant data, location extraction for the extraction of location information and geocoding to convert location information into geographic information. The classification algorithm used in this study is Naïve Bayes, Random Forest, Logistic Regression and Support Vector Machine. Feature extraction methods used in this study are Bag of Words (BOW) and Term Frequency - Inverse Document Frequency (TF-IDF). The location extraction method used in this study is Named Entity Recognition (NER) and Part Of Speech Tagger. The geocoding method used utilizes the ArcPy library. The evaluation results show that the best classification model to filter out relevant data is generated using a Logistic Regression algorithm and a combination of three extraction features, namely BOW Unigram and TF-IDF Word Trigram and N-Gram Char with an F1-score of 93%. Classification models to categorize relevant data are generated using Logistic Regression algorithm and a combination of two features, namely Unigram BOW extraction and TF-IDF N-Gram Char with F1-score value of 96%. Best location extraction method produced using Stanford NER with F1-score value of 48% and a precision of 84%. The success rate of the geocoding stage for location extraction results using the NER method was 59%. Besides that, a simple web-based visualization is also produced to display information that has been processed in spatial interface.

"

"Perkerasan jalan akan mengalami penurunan kondisi seiring bertambahnya umur pelayanannya. Penurunan kondisi ini secara visual dapat dilihat pada beberapa jalan di wilayah Kecamatan Medan Johor yaitu Jalan Karya Wisata, Jalan Karya Jaya, Jalan Ekasama dan Jalan Ekasurya. Metode yang digunakan dalam melakukan penilaian kondisi jalan secara fungsional, diantaranya Pavement Condition Index (PCI) dan Surface Distress Index (SDI). Dengan kedua metode tersebut, dapat diketahui kerusakan berdasarkan kondisi lapis permukaan untuk memberikan alternatif penanganan yang sesuai pada keempat jalan tersebut. Dari hasil survei kondisi jalan sepanjang 100 m setiap segmennya, diperoleh jenis kerusakan yang terjadi di Jalan Karya Jaya adalah tambalan sepanjang 92.96 m2, retak kulit buaya 68.8905 m2 dan amblas 17.3436 m2. Pada Jalan Karya Wisata terdapat 96.5373 m3 lubang dan pelepasan butir sepanjang 69.701 m2 diikuti retak kulit buaya, amblas, retak pinggir serta retak memanjang. Lubang dengan volume 77.75604 m3 juga terdapat di Jalan Ekasama, serta pelepasan butir 19.9524 m2, dan juga amblas. Pada Jalan Ekasurya kerusakan yang paling banyak adalah amblas sepanjang 28.7134 m2, retak kulit buaya, retak memanjang dan lubang. Rating Kondisi menurut metode PCI untuk Jalan Karya Jaya adalah satisfactory dan baik menurut metode SDI. Untuk jalan Karya Wisata menurut metode PCI adalah poor dan sedang menurut metode SDI. Jalan Ekasama kondisinya very poor menurut metode PCI dan sedang menurut metode SDI. Kondisi Jalan Ekasurya good sesuai metode PCI dan baik menurut metode SDI. Penanganan jalan yang dapat dilakukan untuk Jalan Karya Jaya dan Jalan Ekasurya adalah pemeliharaan rutin dengan beberapa pekerjaan yaitu pemeliharaan sistem drainase yang juga bertujuan untuk pemeliharaan pada struktur maupun permukaan jalan, pengisian celah atau retak pada permukaan aspal, serta penambalan lubang. Pada Jalan Karya Wisata dan Jalan Ekasama dapat dilakukan pemeliharaan berkala dengan pekerjaan pelapisan ulang (overlay)"

"ABSTRAKTrip development dan urban sprawl telah lama menjadi masalah perkotaan. Seringkali bentuk perkembangan memusat (nodal development) dipilih untuk menjadi solusi penyelesaian masalah tersebut. Koridor T.B. Simatupang ? Kartini saat ini sedang mengantisipasi perubahan yang dapat terjadi setelah Proyek Mass Rapid Transit (MRT) Jakarta rampung dan Transit Oriented Development (TOD) diimplementasikan. Namun, apabila melihat kondisi lapangan saat ini, apakah mungkin Koridor T.B. Simatupang ? Kartini dikembangkan sebagai kawasan Transit Oriented Development? Apakah akan terdapat perbedaan antara kondisi nyata dan konsep teoritikal? Dengan pentingnya konteks pada masing-masing ruang kota, tentunya akan terdapat banyak perbedaan dalam proses penerapan TOD pada koridor T.B. Simatupang - Kartini, baik pada transformasi fisik maupun non-fisik (liveliness). Hingga saat ini, koridor tersebut mengalami perkembangan secara linear, namun kedepannya akan dikembangkan secara memusat untuk menjadi kawasan yang compact dan memiliki berbagai fungsi (mixed-use). Skripsi ini akan membahas kondisi jalan menjelang selesainya proyek MRT Jakarta berdasarkan teori mengenai jalan dan Transit Oriented Development. Temuan dari skripsi ini ialah; untuk mendorong transformasi yang baik dan menghadirkan liveliness, diperlukan beberapa evaluasi mengenai elemen fisik dan persyaratan tambahan.

---

ABSTRAK Strip development and urban sprawl have been urban problems for a long time. So many times nodal development is chosen to be the solution. T.B. Simatupang-Kartini Corridor is currently anticipating the change that could happen after the Jakarta Mass Rapid Transit (MRT) Project is finished and the Transit Oriented Development (TOD) is implemented. But if we look at today conditions on site; is it possible for T.B.Simatupang ? Kartini Corridor to be a Transit Oriented Development? Are there any possible differences from the theoretical concept of it? Of course, since the context does matter, many differences emerge from the implementation process of TOD. The transformation and the changes in liveliness will surely occur in T.B. Simatupang ? Kartini Corridor; as it is an area developed without particular planning. It is experiencing the linear growth, which today is expected to be a compact, mixed-use neighborhood. The thesis will examine the current street performance prior to the MRT Jakarta Project based on theories regarding streets and Transit Oriented Development. The findings suggest that; in order to encourage a good transformation and provide liveliness, there are some evaluations regarding physical elements and additional requirements needed."