Pelaporan Jalan Rusak dengan Deteksi Citra dan Uji Viralitas dari Data Twitter
Kata Kunci:
Algoritma IndoBERT, YOLOv8, Analisis Sentimen, Kerusakan Jalan, Klasifikasi CitraAbstrak
Kasus jalan rusak di Indonesia mendapat penanganan yang lambat dari pemerintah. Pada penelitian ini diajukan sebuah sistem untuk memprediksi tingkat urgensi penanganan jalan rusak berdasarkan kritik dan keluhan masyarakat pengguna Twitter. Sistem ini menggabungkan algoritma klasifikasi citra jalan rusak dan algoritma analisis sentimen untuk memperoleh tingkat kerusakan jalan yang dikeluhkan serta mengukur tingkat negativitas sentimen masyarakat tentang kondisi jalan. Penelitian ini bertujuan untuk memberikan informasi yang lebih komprehensif dan akurat kepada pemerintah. Penggabungan model klasifikasi citra menggunakan algoritma YOLOv8 yang berhasil mencapai nilai F-1 sebesar 86.1% dan model analisis sentimen menggunakan IndoBERTweet yang mencapai nilai F-1 sebesar 83% diharapkan dapat membantu meningkatkan kepuasan masyarakat terkait infrastruktur jalan dan mempercepat proses identifikasi serta penanganan jalan rusak. Namun, kolaborasi dengan pihak pemerintah juga diperlukan untuk memastikan implementasi sistem pelaporan jalan rusak ini menjadi efektif dan dapat terealisasi untuk menangani kerusakan jalan di Indonesia. Melalui pengembangan lebih lanjut, sistem ini dapat berpotensi menjadi alat yang berharga dalam memperbaiki kondisi jalan di Indonesia dan meningkatkan kesejahteraan masyarakat secara keseluruhan.
Referensi
Badan Pusat Statistik, Statistik Transportasi Darat 2021. 2022.
M. J. Koohsari dkk., “Public open space, physical activity, urban design and public health: Concepts, methods and research agenda,” Health Place, vol. 33, hlm. 75–82, Mei 2015, doi: 10.1016/j.healthplace.2015.02.009.
Anonim, “Setelah Dikritik Bima ‘Dajjal’, Jalan Rusak di Lampung Mulai Diperbaiki Baca artikel detiksumut, "Setelah Dikritik Bima ‘Dajjal’, Jalan Rusak di Lampung Mulai Diperbaiki,” detik.com, 20 April 2023.
Anonim, “Kriminalisasi Bima dan Ruang Aparat Usut Jalan Rusak di Lampung,” CNN Indonesia, 18 April 2023.
F. Koto, A. Rahimi, J. H. Lau, dan T. Baldwin, “IndoLEM and IndoBERT: A Benchmark Dataset and Pre-trained Language Model for Indonesian NLP,” Online. [Daring]. Tersedia pada: https://huggingface.co/
J. Devlin, M.-W. Chang, K. Lee, K. T. Google, dan A. I. Language, “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.” [Daring]. Tersedia pada: https://github.com/tensorflow/tensor2tensor
F. Koto, J. H. Lau, dan T. Baldwin, “IndoBERTweet: A Pretrained Language Model for Indonesian Twitter with Effective Domain-Specific Vocabulary Initialization,” Sep 2021, [Daring]. Tersedia pada: http://arxiv.org/abs/2109.04607
S. F. Pane, J. Ramdan, A. G. Putrada, M. N. Fauzan, R. M. Awangga, dan N. Alamsyah, “A Hybrid CNN-LSTM Model With Word-Emoji Embedding For Improving The Twitter Sentiment Analysis on Indonesia’s PPKM Policy,” dalam 2022 6th International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE), IEEE, Des 2022, hlm. 51–56. doi: 10.1109/ICITISEE57756.2022.10057720.
S. Alqethami, S. Alghamdi, T. Alsubait, dan H. Alhakami, “RoadNet: Efficient Model to Detect and Classify Road Damages,” Applied Sciences, vol. 12, no. 22, hlm. 11529, Nov 2022, doi: 10.3390/app122211529.
V. Hegde, D. Trivedi, A. Alfarrarjeh, A. Deepak, S. Ho Kim, dan C. Shahabi, “Yet Another Deep Learning Approach for Road Damage Detection using Ensemble Learning,” dalam 2020 IEEE International Conference on Big Data (Big Data), IEEE, Des 2020, hlm. 5553–5558. doi: 10.1109/BigData50022.2020.9377833.
“dwisaji/twitter-minggu-sentiment-dataset · Datasets at Hugging Face.” https://huggingface.co/datasets/dwisaji/twitter-minggu-sentiment-dataset (diakses 16 Juni 2023).
B. Wilie dkk., “IndoNLU: Benchmark and Resources for Evaluating Indonesian Natural Language Understanding.” [Daring]. Tersedia pada: https://github.com/annisanurulazhar/absa-playground
S. F. Pane, J. Ramdan, A. G. Putrada, M. N. Fauzan, R. M. Awangga, dan N. Alamsyah, “A Hybrid CNN-LSTM Model With Word-Emoji Embedding For Improving The Twitter Sentiment Analysis on Indonesia’s PPKM Policy,” dalam 2022 6th International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE), IEEE, Des 2022, hlm. 51–56. doi: 10.1109/ICITISEE57756.2022.10057720.
D. Arya, H. Maeda, S. K. Chosh, D. Toshniwal, dan Sekimoto. Yoshihide, “RDD2022: A multi-national image dataset for automatic Road Damage Detection,” Sep 2022.
A. Basily, “Road Damage,” Kaggle, 2020.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Krisna Bayu Dharma Putra, Venus Angela Kurniawan, Anisa Bintang Maharani, Dzikri Rahadian Fudholi
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
