Jakarta Smart City: Pengembangan Model Smart Mobility Prediction Mengunakan GHMM-ARIMA

Abstrak

Pemerintah Jakarta telah menggunakan infrastruktur digital, seperti platform online dan aplikasi perangkat lunak, untuk mengimplementasikan elemen-elemen ini. Namun, masih ada ruang untuk perbaikan dalam memaksimalkan manfaat bagi kota dan penduduknya. Salah satu area yang perlu dioptimalkan adalah pengembangan model smart mobility prediction dan meningkatkan kinerja dari model yang ada sebelumnya. Pada penelitian ini, algoritma gaussian hidden markov model (GHMM) dan autoregressive integrated moving average (ARIMA) digunakan untuk pemantauan mobilitas dapat diprediksi untuk menguraikan kemacetan di Jakarta. Parameter yang digunakan pada pendeteksian stay points adalah time threshold 20 menit, dan distance threshold 200 meter. Hasil evaluasi menunjukkan pengujian model ARIMA mendapatkan nilai root mean square error (RMSE) sebesar 162.766, menunjukkan error yang cukup tinggi. Hasil evaluasi untuk prediksi menggunakan GHMM memprediksi mobilitas untuk mendukung program Jakarta Smart City pada data pengujian dihitung menggunakan model akurasi dan model RMSE. Kinerja dari GHMM mendapatkan akurasi sebesar 76,90% dan RMSE sebesar 1.641. Nilai evaluasi dari GHMM dapat dikatakan cukup baik untuk memodelkan data mobilitas.