Perpustakaan Digital ITB

Salah satu masalah yang terjadi pada moving object adalah tidak lengkapnya data yang berhasil diakuisisi oleh teknologi geo-tracking, fenomena ini bisa ditemukan pada proses tracking pesawat terbang dengan kehilangan tracking mencapai 5 menit, sehingga perlu dilakukan proses path smoothing untuk melengkapi data. Solusi umum path smoothing adalah dengan menggunakan fisika gerak, sedangkan penelitian ini melakukan proses path smoothing dengan menggunakan algoritma machine learning yaitu support vector regression. Support vector regression akan memprediksi interval data yang hilang dari data tracking pesawat terbang. Proses prediksi akan dilakukan setelah proses training dengan melakukan optimasi parameter konfirgurasi SVR seperti kernel, common, gamma, epsilon dan degree. Setiap parameter SVR akan diuji secara tertutup untuk melihat pengaruh parameter terhadap hasil prediksi. Untuk mendapatkan semantik akurasi yang lebih representatif, digunakan kombinasi mean absolute error (MAE) dan mean absolute percentage error (MAPE) dalam menghitung error. MAE akan menjelaskan nilai rata-rata error yang terjadi, sedangkan MAPE akan menjelaskan persetase error terhadap data. Didapatkan nilai error terbaik MAE 0.52 dan MAPE 2.07, yang berarti bahwa error data ± 0.52 yaitu sebesar 2.07% dari nilai data keseluruhan