Analisis Data Kereta Api dan Stasiun pada Daerah Operasi VIII Surabaya Menggunakan SPARQL dengan Algoritma Betweenness Centrality

Authors

  • Muhammad Ainul Khakim Departemen Sistem Informasi, Fakultas Teknologi Elektro dan Informatika Cerdas, Institut Teknologi Sepuluh Nopember Surabaya
  • Brilliant Hartono Departemen Sistem Informasi, Fakultas Teknologi Elektro dan Informatika Cerdas, Institut Teknologi Sepuluh Nopember Surabaya
  • Nur Aini Rakhmawati Departemen Sistem Informasi, Fakultas Teknologi Elektro dan Informatika Cerdas, Institut Teknologi Sepuluh Nopember Surabaya http://orcid.org/0000-0002-1321-4564

DOI:

https://doi.org/10.31154/cogito.v6i2.232.128-140

Abstract

Kereta api merupakan salah satu moda transportasi massal di Indonesia dan mempunyai karakteristik serta keunggulan khusus, terutama dalam kemampuannya mengangkut baik penumpang maupun barang secara massal. Ada beberapa daerah pengoperasian kereta api, diantaranya yaitu Daerah Operasi VIII yang berbasis di Jawa Timur dengan stasiun utama dan terbesar yaitu Surabaya Gubeng. Namun, dalam pelaksanaan operasional di Daerah Operasi VIII tersebut, terdapat beberapa permasalahan, diantaranya yaitu keterlambatan jadwal dan keluhan terhadap kapasitas penumpang sehingga kepercayaan masyarakat pengguna fasilitas tersebut menjadi berkurang. Hal ini disebabkan karena tingkat pelayanan dan operasional kereta api kurang memuaskan. Padahal moda transportasi kereta api sangat diharapkan masyarakat dalam membantu untuk meningkatkan efisiensi dan efektivitas kegiatan mereka. Untuk mengatasi masalah tersebut diperlukan suatu upaya untuk mengetahui bagian mana dari kereta atau stasiun yang mempunyai peran penting sehingga perlu dijaga efisiensi dan efektivitasnya dengan menggunakan algoritma Betweenness Centrality. Dari hasil penelitian didapatkan visualisasi persebaran dari kereta pada masing-masing stasiun di Daerah Operasi VIII. Selain itu didapatkan juga 3 kereta dan stasiun  yang mempunyai pengaruh paling tinggi serta 3 kereta dan stasiun  yang mempunyai pengaruh paling rendah. Diharapkan hasil tersebut dapat membantu pemangku kepentingan dalam membuat kebijakan untuk meningkatkan efisiensi dan efektivitas kegiatan operasional kereta api di Daerah Operasi VIII.  

References

H. Dwiatmoko, “Peran Infrastruktur Perkeretaapian bagi Pertumbuhan Ekonomi Wilayah,” J. Manaj. Aset Infrastruktur Fasilitas, vol. 3, no. 2, Sep. 2019.

Direktorat Jenderal Perkeretaapian Kementerian Perhubungan Republik Indonesia, BUKU INFORMASI PERKERETAAPIAN TAHUN 2014. 2014.

M. R. Lathiif, “ANALISA KINERJA OPERASIONAL KERETA API PENATARAN JURUSAN SURABAYA GUBENG – MALANG – BLITAR,” Surabaya, 2017.

S. Narayanan and A. Vullikanti, “The Betweenness Centrality Of Biological Networks,” 2005.

L. Leydesdorff, “Betweenness centrality as an indicator of the interdisciplinary of scientific journals,” J. Am. Soc. Inf. Sci. Technol., vol. 58, no. 9, pp. 1303–1319, Jul. 2007.

C. Curtis and J. Scheurer, “Network City Activity Centres Developing an analysis, conception and communication tool for integrated land use and transport planning in the Perth metropolitan area,” 2009.

N. Kourtellis, T. Alahakoon, R. Simha, A. Iamnitchi, and R. Tripathi, “Identifying high betweenness centrality nodes in large social networks,” Soc. Netw. Anal. Min., vol. 3, no. 4, pp. 899–914, Jan. 2013.

B. Derudder, X. Liu, C. Kunaka, and M. Roberts, “The connectivity of South Asian cities in infrastructure networks,” J. Maps, vol. 10, no. 1, pp. 47–52, Jan. 2014.

World Wide Web Consortium, “SPARQL 1.1 Overview,” World Wide Web Consortium, 2013. [Online]. Available: https://www.w3.org/TR/2013/REC-sparql11-overview-20130321/. [Accessed: 06-May-2020].

M. Mammo and S. K. Bansal, “Distributed SPARQL over Big RDF Data: A Comparative Analysis Using Presto and MapReduce,” in Proceedings - 2015 IEEE International Congress on Big Data, BigData Congress 2015, 2015, pp. 33–40.

L. N. Fadzilah, “Identifikasi Karakteristik Dataset untuk Federated SPARQL Query,” Jul. 2017.

A. Grover and J. Leskovec, “node2vec: Scalable Feature Learning for Networks.”

Neo4J, “The Betweenness Centrality algorithm,” Neo4J. [Online]. Available: https://neo4j.com/docs/graph-algorithms/current/labs-algorithms/betweenness-centrality/. [Accessed: 21-May-2020].

A. Bavelas, “A MATHEMATICAL MODEL FOR GROUP STRUCTURES,” Appl. Anthropol., vol. 7, no. 3, pp. 16–30, 1948.

J. Zhang and Y. Luo, “Degree Centrality, Betweenness Centrality, and Closeness Centrality in Social Network,” 2017, pp. 300–303.

B. Hartono, K. M. Ainul, and N. A. Rakhmawati, “Analisis Data Kereta Api dan Stasiun pada Daerah Operasi VIII Surabaya,” 2020. [Online]. Available: https://zenodo.org/record/3839089#.XsdOm2gzbIU.

L. Van Der Maaten and G. Hinton, “Visualizing Data using t-SNE,” 2008.

S. Yuvita, “APLIKASI GRAF DALAM JARINGAN INTERNET.”

Downloads

Published

2020-12-09

How to Cite

Khakim, M. A., Hartono, B., & Rakhmawati, N. A. (2020). Analisis Data Kereta Api dan Stasiun pada Daerah Operasi VIII Surabaya Menggunakan SPARQL dengan Algoritma Betweenness Centrality. CogITo Smart Journal, 6(2), 128–140. https://doi.org/10.31154/cogito.v6i2.232.128-140