Penggunaan algoritma Nearest Neighbors pada Machine Learning sederhana untuk deteksi Taksi Online pada area parkir.

image description

Selamat sore, pada sore ini saya akan membuat simple machine learning untuk mendeteksi taksi online pada area parkir khususnya area parkir kampus gw yang sering jadi tempat mangkal mereka.

Hal-hal yang di butuhkan adalah
1. Python
2. Scikit Learn
3. Numpy
4. Scipy

untuk instalasi hal-hal diatas bisa menggunakan package manager seperti pip.

Algoritma untuk mentrain data-data pada sistem ini adalah menggunakan algoritma nearest neighbors dengan jumlah tetangga sama dengan 3.

1. penjelasan algoritma nearest neighbors: https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm

2. dokumentasi nearest neighbors pada scikit learn : http://scikit-learn.org/stable/modules/neighbors.html

3. untuk demo algoritma : http://demonstrations.wolfram.com/KNearestNeighborKNNClassifier/

Penjelasan Gambar


Dataset


klasifikasi dataset dengan jumla tetangga = 3


klasifikasi dataset dengan jumla tetangga = 5

Data yang di pakai untuk memprediksi pada sistem ini saya taruh pada array dengan isi seperti berikut ini:
index 0: jumlah mobil masuk area parkir dalam satu hari 
index 1: merek mobil
index 2: level bau ketek supir dengan range level (1–10)
index 3: umur supir

# import algoritma nearest neighbors pada scikit learn
from sklearn.neighbors import KNeighborsClassifier

# membuat classifier dengan menggunakan algoritma nearest neighbors
# dengan jumlah tetangga = 3
clf = KNeighborsClassifier(n_neighbors = 3)
# variable data dengan isi array sebagai berikut:
# [jumlah masuk parkiran dalam sehari, index jenis mobil, level bau ketek supir range (1 - 10), umur supir]
#
# index jenis_mobil
# 0. toyota avanza
# 1. roll royce
# 2. suzuki ertiga
# 3. hino truck
# 4. daihatsu ayla
data = [[5, 0, 3, 45], [4, 4, 5, 35], [3, 3, 6, 40], [1, 0, 1, 23], 
[1, 4, 1, 35], [1, 1, 0, 45], [2, 1, 0, 35], [7, 4, 5, 25],
[2, 0, 1, 26], [6, 4, 5, 38], [4, 2, 5, 35], [3, 2, 3, 30]]
# variable target dari data-data di atas
#
# index target value
# 0 = taxi online
# 1 = mobil biasa
target = [0, 0, 0, 1, 1, 1, 1, 0, 1, 0, 0, 0]
# train data di atas
clf.fit(data, target)
# prediksi data berdasarkan input kita
input_jumlah_masuk_parkir = 4
input_jenis_mobil = 0
input_level_bau_ketek = 5
input_umur_supir = 40
# membuat prediksi
prediksi = clf.predict([[input_jumlah_masuk_parkir, input_jenis_mobil, input_level_bau_ketek, input_umur_supir]])
# mencetak prediksi
target_prediksi = ["taxi online", "mobil biasa"]
print(target_prediksi[int(prediksi)])
# maka akan memberikan hasil
# taxi online

Sekian contoh machine learning sederhana untuk mendeteksi taksi online.
selamat mencoba dan pulang kantor.

link github : https://github.com/meilyasahsan/PredictTaxiOnline

sekian dan terimakasih

ilyas ahsan (meilyasahsan@gmail.com)


Latest articles

OUR TOP 5 CONTRIBUTOR

image description

Fajar Muharandy

-

image description

Fajar Jaman

-

image description

Bernardus Ari Kuncoro

-

image description

Rasyid Ridha

image description

ilyas ahsan

Mobile apps developer and Data Science Researcher