2018 : PENCARIAN KEJADIAN LALU LINTAS DARI TWITTER BERDASARKAN KEMIRIPAN TEKSTUAL DAN RELEVANSI WAKTU

Prof. Dr. Ir. Joko Lianto Buliali
Victor Hariadi S.Si., M.Kom.

External link

Type

RESEARCH

Keywords

-


Abstract

Saat ini media sosial telah digunakan secara luas di masyarakat untuk berbagai keperluan, seperti memberikan opini, informasi, pertanyaan dan diskusi. Informasi yang ada di media sosial potensial untuk digunakan sebagai data untuk menyimpulkan sesuatu berdasarkan data dari sejumlah pengguna media sosial tersebut dan bahkan kemudian mengambil kesimpulan dari pengolahan data tersebut. Dalam hal kejadian di jalan (seperti adanya kecelakaan, insiden pohon roboh, hujan) atau informasi lalu lintas lain (seperti pengalihan arus lalu lintas, kepadatan lalu lintas), masyarakat juga terbiasa membagi informasi tersebut dengan cara posting status di media sosial ketika melintas di jalan. Adanya banyak tweet dari pengguna membuat Telah ada sejumlah penelitian dan sistem deteksi kejadian dengan memanfaatkan status media sosial sebagai sumber informasi. Analisis yang digunakan adalah analisis tekstual pada konten dari media sosial tersebut. Dalam kasus lalu lintas, apabila dilihat waktu kejadiannya maka beberapa posting Twitter dengan konten yang serupa dapat mengacu kepada kejadian yang sebenarnya berbeda (bukan kejadian yang sama). Penelitian ini mengusulkan metode pembobotan pada informasi insiden lalu lintas dari posting Twitter untuk identifikasi kejadian yang sama secara otomatis dan menampilkannya secara real time. Metode ini memberikan bobot berdasarkan kemiripan teks pada konten tweet dan relevansi waktu antara dua informasi kejadian lalu lintas. Penelitian akan menggunakan metode ini untuk pencarian, atau penelusuran, kejadian lalu lintas yang sama dari sekumpulan informasi kejadian lalu lintas. Kumpulan informasi yang digunakan merupakan hasil dari ekstraksi informasi kejadian lalu lintas dari posting Twitter. Sistem akan menelusuri tweet sebelumnya yang memiliki relevansi kejadian berdasarkan relevansi waktu dan kemiripan entitas informasi hasil ekstraksi informasi. Tim peneliti terdiri atas 2 dosen Departemen Informatika, ITS (S3, Guru Besar dan S2, Lektor) dan melibatkan 1 mahasiswa semester 6 prodi S3 Ilmu Komputer Departemen Informatika, ITS dan 1 mahasiswa semester 4 prodi S2 Informatika Departemen Informatika, ITS. Penelitian ini dilaksanakan di laboratorium Dasar dan Terapan Komputasi (DTK) yang telah terotorisasi Lab-Based Education (LBE) dan direncanakan selesai dalam 10 bulan. Keywords: Lalu lintas, Twitter, pembobotan, tekstual, relevansi waktu.