PERSONAL MOBILITY ASSISTANT UNTUK MENUNJANG MOBILITAS AMAN BAGI ANAK DI KOTA KENDARI MENGGUNAKAN ALGORITMA RANDOM FOREST DAN PENDEKATAN CONTEXT-AWARENESS

Abstract

Penelitian ini bertujuan mengembangkan aplikasi Personal mobility assistant untuk mendukung mobilitas aman anak di Kota Kendari. Sistem dirancang untuk memprediksi tingkat keamanan lokasi menggunakan algoritma Random Forest berdasarkan lima fitur location context: pertemuan dengan orang asing, kepadatan lalu lintas, pencahayaan, visibilitas, dan pantauan CCTV. Dataset diperoleh dari observasi lapangan pada 96 titik lokasi dengan total 279 variasi data, kemudian diolah menggunakan Python dan diintegrasikan ke aplikasi Flutter melalui API Flask. Hasil pelatihan model menunjukkan akurasi rata-rata 94,64% dengan 5-fold cross-validation, serta akurasi 100% pada 56 data uji. Parameter pengguna dan waktu diterapkan dengan pendekatan rule based untuk memberikan respons sesuai usia dan kondisi. Uji coba aplikasi menunjukkan peringatan dalam 1 detik dan performa yang efisien. Penelitian ini membuktikan bahwa sistem mampu mengklasifikasi keamanan lokasi dan berfungsi efektif untuk meningkatkan keselamatan mobilitas anak.