Sistem Klasifikasi Kerusakan Jalan Metode Machine Learning dengan Algoritma K-Means dan Random Forest

Kerusakan jalan merupakan masalah yang signifikan dalam infrastruktur transportasi, yang dapat mempengaruhi kenyamanan dan kesalamatan pengguna jalan. Penelitian ini bertujuan untuk mengklasifikasi kerusakan jalan berdasarkan data yang diambil dari survey lapangan dengan menggunakan algoritma k-means dan random forest. Metode machine learning dengan menggunakan algoritma k-means dan random forest dipilih karena kemampuannya dalam mengklasifikasi dan mengelompokkan data berdasarkan kedekatan jarak antar sampel, dan dapat dapat mempercepat proses pemeliharaan jalan. Data yang digunakan mencakup pengukuran kondisi jalan, antara lain panjang jalan dalam kondisi baik, sedang, rusak, dan rusak berat. Fitur-fitur ini dipilih untuk mempresentasikan tingkat kerusakan jalan yang sesuai dengan algoritma k-means dan random forest. Penelitian ini dimulai dengan pra-pemrosesan data dan pengelompokkan data menggunakan algoritma k-means, termasuk penanganan nilai yang hilang dan standarisasi fitur, dan diikuti dengan implementasi algoritma random forest untuk klasifikasi. Kinerja model dievaluasi menggunakan confusion matrikx dan classification report, yang menunjukkan bahwa random forest mampu mengklasifikasi kerusakan jalan dengan akurasi yang benar. Kemudian hasil prediksi divalidasi dan disimpan untuk analisis lebih lanjut. Penelitian ini merupakan pengembangan model klasifikasi yang mendukung pengambilan keputusan yang terkait pemeliharaan dan perbaikan jalan secara efektif dan efisien. Penelitian ini berhasil membangun system klasifikasi kerusakan jalan dengan menggabungkan algoritma K-Means untuk pengelompokkan dan Random Forest untuk klasifikasi. Model tersebut dapat memberikan akurasi yang tinggi dalam mengidentifikasi tingkat kerusakan jalan, yang dapat mendukung upaya pemeliharaan jalan yang lebih efektif.