Perpustakaan Digital ITB

Pada penelitian sebelumnya telah dikumpulkan data geolokasi melalui dua sumber, yaitu aplikasi Android angkot dan Modul WiFi ESP8266 sebagai GPS tracker. Data yang terkumpul disimpan dalam database yang diimplementasikan menggunakan Mongo DB. Data yang tersimpan kemudian diamati dan ditemukanlah 15 jenis ‘data kotor’ berdasarkan taksonomi data kotor Lin Li. Dengan ditemukannya 15 jenis ‘data kotor’ pada data angkot maka tindakan pembersihan perlu dilakukan agar memperoleh hasil analisis yang akurat. Sebelum melakukan pembersihan data dilakukan pengukuran kualitas data terlebih dahulu menggunakan teori Redman. Setelah mengukur kualitas data angkot, maka proses peningkatan kualitas data dapat dilakukan dengan cara data cleaning. Proses pembersihan data disesuaikan dengan tujuan dari pengolahan data yaitu menganalisis aktivitas angkot berdasarkan data yang dimiliki dan disesuaikan juga dengan kondisi data yang ada. Metode data cleaning yang diterapkan pada data angkot berhasil membersihkan 86,6% jenis ‘data kotor’ yang ada sebelumnya. Setelah data angkot melalui proses data cleaning, hasil akhir data angkot dari proses data cleaning akan langsung mengikuti tahapan data pre-processing, luaran dari proses ini adalah data angkot yang siap guna untuk ditampilkan pada aplikasi web sebagai hasil akhir dari proses data visualization. Pada aplikasi web, aktivitas angkot pada data akan terlihat, juga pola perjalanan angkot dapat diamati. Dari sini maka perilaku angkot yang normal dan abnormal dapat didefinisikan untuk membantu pembuatan algoritma pendeteksi perilaku angkot. Setelah algoritma pendeteksi perilaku angkot selesai dikembangkan, eksperimen dilakukan dengan membandingkan waktu abnormal yang sama antara hasil algoritma pendeteksi perilaku angkot dengan hasil eksplorasi pada aplikasi web. Akurasi dari algoritma pendeteksi perilaku angkot sebesar 63%.