EPENDI, Usman and Rochim, Adian Fatchur and Wibowo, Adi (2024) PENGEMBANGAN MODEL PENILAIAN KOTA PINTAR MENGGUNAKAN CROWDSOURCED DATA DAN LONG SHORT-TERM MEMORY BERBASIS GENERAL SYSTEMS THEORY. Doctoral thesis, UNIVERSITAS DIPONEGORO.

	Text COVER.pdf Download (8MB)
	Text BAB I.pdf Download (9MB)
	Text BAB II.pdf Download (9MB)
	Text BAB III.pdf Restricted to Repository staff only Download (9MB)
	Text BAB IV.pdf Restricted to Repository staff only Download (9MB)
	Text BAB V.pdf Restricted to Repository staff only Download (9MB)
	Text DAFTAR PUSTAKA.pdf Download (9MB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (9MB)

Abstract

Dalam rangka mencapai pemahaman yang lebih mendalam mengenai ekosistem perkotaan melalui penilaian kota pintar, terdapat keterbatasan yang signifikan dalam teknik evaluasi tradisional. Keterbatasan tersebut mencakup sumber data yang tidak selalu sesuai, kurangnya data yang komprehensif, dan kendala waktu nyata. Sementara itu, perkembangan signifikan dalam ketersediaan crowdsourced data telah memberikan gambaran dinamis yang berharga mengenai sistem perkotaan. Kesadaran akan pentingnya data ini mendorong penelitian ini untuk mengembangkan sebuah model penilaian kota pintar dengan menggunakan crowdsourced data, tujuan utamanya mengatasi kesenjangan dalam pemahaman tentang interaksi perkotaan, di saat bersamaan menangani tantangan data tidak seimbang yang berasal dari crowdsourced data. Untuk mencapai tujuan tersebut, penelitian ini mengadopsi pengembangan model didasari dari prinsip General Systems Theory (GST) untuk kota pintar dengan pendekatan melalui Metodologi Ilmu Desain. Selain itu, penanganan data tidak seimbang ditekankan dengan penggunaan hibrid level data yang menggabungkan oversampling dan undersampling, yang mencakup Random Over Sampling dan Neighborhood Cleaning Rule (ROS-NCL) dengan algoritma klasifikasi long short-term memory (LSTM). Hasil dari penelitian ini adalah sebuah model penilaian kota pintar yang komprehensif. Model ini menyediakan pemahaman yang mendalam tentang ekosistem perkotaan melalui tiga dimensi utama keberlanjutan: sosial, ekonomi, dan lingkungan. Model ini juga mencakup dua belas indikator yang relevan dengan dimensi-dimensi ini. Validitas dan efektivitas model ini telah diuji secara empiris melalui studi kasus pada empat kota di Pulau Jawa Indonesia, yakni Surabaya, Semarang, Bandung, dan Jakarta. Hasil penilaian dari model ini dipresentasikan melalui analisis multidimensi, memberikan pandangan mendalam tentang setiap kota yang dapat digunakan untuk panduan pengembangan dan perbaikan pada masa mendatang. Selain itu, pendekatan ROS-NCL dan algoritma LSTM terbukti sangat efektif dalam mengatasi ketidakseimbangan data dalam klasifikasi crowdsourced data ke dimensi dan indikator penilaian kota pintar, mendemonstrasikan superioritasnya dibandingkan dengan pendekatan lain dalam hibrid level data.
Kata Kunci: model penilaian kota pintar, crowdsourced data, general systems theory, data tidak seimbang, ROS-NCL, LSTM

In the pursuit of a deeper understanding of urban ecosystems through smart city evaluations, traditional assessment techniques face significant challenges. These challenges encompass misaligned data sources, a scarcity of comprehensive data, and real-time processing constraints. Nevertheless, the substantial advancements in crowdsourced data availability have furnished invaluable dynamic perspectives on urban systems. Recognizing the crucial role of this data, this research endeavored to develop a smart city assessment model anchored in crowdsourced data. The primary objective was to bridge the understanding gap regarding urban interactions while addressing the challenges posed by imbalanced data inherent in crowdsourcing. To achieve this aim, the study adopted a model development grounded in the principles of the General Systems Theory (GST) for smart cities, approached through the Design Science Methodology. Moreover, to address data imbalance, emphasis was placed on a hybrid data level approach that amalgamates oversampling and undersampling techniques, specifically the Random Over Sampling and Neighborhood Cleaning Rule (ROS-NCL) with long short-term memory (LSTM). The culmination of this research is a holistic smart city assessment model. This model offers profound insights into the urban fabric across three primary sustainability dimensions: social, economic, and environmental, integrating twelve pertinent indicators aligned with these dimensions. The model's validity and efficacy were empirically ascertained through case studies in four major cities on Java Island, Indonesia: Surabaya, Semarang, Bandung, and Jakarta. The model's evaluation outcomes are articulated through a multi-dimensional analysis, providing in-depth insights into each city, serving as a blueprint for future developmental and improvement endeavors. Furthermore, the ROS-NCL and LSTM approach has proven exceptionally adept at addressing data imbalances in the crowdsourced data classification of smart city assessment dimensions, underscoring its superiority over other hybrid data level methods.
Keywords: smart city assessment model, crowdsourced data, general systems theory, imbalanced data, ROS-NCL, LSTM

Actions (login required)

View Item