Revisi
Revisi
Anggota :
Robertus Yunico Prasetyo 26414013
Alvin Tanujaya Sutanto 26414098
Dwijaya Kongky Salim 26414100
Marvil Dondokanbey 26414133
Yosua Umbu Datu Kadiwanu 26414130
1. Judul
Judul pada artikel sudah ditulis sesuai standar penulisan judul yang baik dan benar, serta
setelah membaca isi artikel, judul sudah sesuai dengan isi dari artikel. Pada saat pembaca sudah
membaca judul dari artikel ini, pembaca sudah dapat langsung memahami tujuan dari penulisan
artikel ini. Judul juga sudah jelas dengan apa saja yang ingin dikerjakan untuk jurnal ini.
1. Judul sesuai dengan isi dari paper
2. Judul juga sudah jelas dengan apa saja yang ingin dikerjakan untuk jurnal ini
3. Judul yang disediakan agak panjang
4. Judul sebelumnya tidak sesuai dengan format yang disarankan
3. Abstract
Jurnal ini membahas metode baru untuk pembuatan peta jalan yang berfokus pada deteksi
otomatis unsur - unsur jalan seperti lampu lalu lintas, persimpangan jalan dan bundaran.
Pendeteksian dilakukan dengan cara mendeteksi lokasi mengemudi yang tidak normal melalui jejak
GPS mobile yang digunakan. Detail penjelasan mengenai latar belakang masalah landasan
penelitian teknik yang digunakan untuk membantu penelitian dijelaskan pada bagian introduction.
Sehingga dapat dikatakan gambaran umum pada artikel ini sudah dijelaskan dengan sangat baik.
Karena pada gambaran umum dalam jurnal ini, disebutkan tujuan, apa yang akan digunakan untuk
mencapai jurnal ini, dan hasil yang didapatkan dari jurnal ini.
1. Menjelaskan mekanisme apa yang digunakan untuk membuat jalanan beserta rambu lalu
lintasnya
2. Untuk meminimalisir penggunaan sistem dan data, digunakan hanya data bekas GPS yang
digunakan selama berjalan
3. Metode yang digunakan dijelaskan secara rinci beserta alasannya
4. Hasil yang didapatkan juga disertakan.
5. RP: Dengan menggabungkan outlier detection dan deep learning classification techniques
untuk deteksi otomatis maka tidak akan ada lagi cara mengemudi yang tidak normal.
6. RQ: Seberapa kecilnya penggunaan sistem dan data dengan menggunakan metode pada
penelitian ini?
7. RQ: Seberapa akuratnya waktu perjalanan dengan menggunakan metode pada penelitian
ini?
8. RO: Menerapkan algoritma baru yang mengkombinasikan teknik outlier detection dan
deep learning classification, sehingga estimasi waktu perjalanan menjadi lebih akurat.
4. Pendahuluan
Pada dasarnya tujuan utama dari artikel ini adalah menghadirkan dan memvalidasi
algoritma baru untuk mengekstrak elemen infrastruktur jalan berdasarkan GPS trace selama
perjalanan. Algoritma tersebut mengkombinasikan teknik outlier detection dan deep learning
classification berdasarkan pola kecepatan dan akselerasi yang dihasilkan dari sensor GPS pada
sebuah ponsel. Penelitian ini juga menggunakan teknik crowdsensing untuk mendeteksi bagian
jalan yang berbahaya.
Objek penelitian yang digunakan juga dijelaskan dengan baik yaitu menggunakan
informasi infrastruktur sehingga menghasilkan estimasi waktu perjalanan yang lebih baik. Selain
itu menggunakan berbagai metode yang telah ada yang telah dijelaskan dengan baik dan runtut oleh
peneliti pada beberapa paragraf. Pada paragraf terakhir terdapat penjelasan umum yang merupakan
tujuan dari artikel ini ditulis yaitu menggabungkan beberapa metode penelitian untuk mendukung
proses penelitian sehingga tercapai deteksi secara otomatis pada infrastruktur jalanan dengan lebih
akurat dan efektif. Sumber-sumber penulisan juga disertakan dengan tujuan untuk memperkuat
tulisan yang ada.
1. Menjelaskan secara rinci mengenai apa saja yang dapat diberikan dan didapatkan melalui
mobile device
2. Menjelaskan juga tentang GPS yang dapat menghasilkan routable maps
3. Menjelaskan metode-metode yang digunakan untuk mendapatkan hasil research dari paper
ini
4. Banyak kutipan yang digunakan untuk memperkuat bab 1
5. RP: Dengan menggunakan teknik crowdsensing untuk deteksi otomatis maka tidak akan
ada lagi bagian jalan yang berbahaya.
6. RQ: Seberapa besar hasil yang dicapai dalam mencari atau mendeteksi jalan yang
berbahaya dengan menggunakan metode pada penelitian ini?
7. RO: Menerapkan algoritma baru yang mengkombinasikan teknik outlier detection dan
deep learning classification, sehingga estimasi waktu perjalanan menjadi lebih akurat.
7. Analisis perbedaan dari penelitian yang terkait dan penelitian yang diusulkan
Penelitian yang diusulkan memakai metode yang sama dengan penelitian yang terkait yaitu
menggunakan Outlier detection digunakan oleh Magaña, Organero, Fisteus, dan Fernández (2016)
Tang dan Ngan (2016).
10. Kesimpulan
Pada kesimpulan dituliskan hasil dari penelitian yaitu :
- RQ sudah terjawab dengan hasil yang ditemukan berupa 0,89 untuk dataset pertama dan 0,82
untuk dataset kedua
- mekanisme baru yang langsung mendeteksi elemen infrastruktur dari jalan dengan menggunakan
sensor GPS sewaktu mengemudi
- Penelitian difokuskan kepada lampu lalu lintas, penyeberangan jalan dan jalan putar balik
- Mekanisme telah divalidasi dengan 2 dataset
- Mekanisme yang digunakan menggabungkan proses algoritma deteksi outlier baru dan metode
DBN + output classifier
- Algoritma pendeteksi outlier menggunakan pola kecepatan dan percepatan untuk dapat
mendeteksi elemen infrastruktur
Rekomendasi untuk penelitian selanjutnya :
- Di sebutkan cara untuk menerapkan metode di skenario dunia nyata yaitu dengan tidak
menggunakan DBN, melainkan dengan skema yang menggunakan auto-encoders bersama dengan
metode perhitungan kesamaan berdasarkan korelasi koefisien milik Pearson yang menghasilkan
ketelitian yang baik apabila elemen dari jalan juga sedikit
- Bisa juga digunakan pendekatan crowdsensing.
- Pengembangan kedepan akan menggunakan informasi dari sensor lain seperti accelerometer yang
ada di handphone dengan informasi dari GPS
11. Referensi
Referensi pada artikel ini sudah baik karena mengambil sumber dari buku dan paper, bukan dari internet,
juga sesuai dengan isi dari artikel diantaranya referensi crowdsensing, mobile phone, gps trace, map dan
beberapa teknik serta metode yang digunakan.