Ini 9 Kota Paling Banyak Keluhkan Macet di Twitter

Urutan keenam hingga kesembilan berturut-turut yaitu Surabaya 2.702 tweets, Depok 2.302 tweets, Malang 2.183 tweets, Semarang 1.652 tweets, dan daerah lainnya 51. 835 tweets.

Selain sembilan kota tersebut, daerah-daerah administrasi di tingkat lebih rendah yang juga terdeteksi di tweetstentang macet antara lain Ciputat, Cikarang, Manggarai, dan Cileungsi.

Baca Juga: Libur Panjang, Lalu Lintas Puncak Bogor Macet 2 Kilometer

Selain memakai machine learning model named-entity recognition, Pacmann juga menganalisis kata-kata apa saja yang paling berdekatan dengan kata macet dengan cara merepresentasikan semua kata di dalam data menjadi vektor. Singkatnya, metode ini menerapkan model jaringan saraf (neural network) yang dirancang untuk memperhitungkan asosiasi kata di dalam data tekstual seperti tweets.

Diketahui, kata-kata yang paling berdekatan di dalam data yang dianalisis Pacmann antara lain jam, banjir, jalan, tol, pulang, hujan, mudik, pagi, capek, kerja, arus, mobil, dan berangkat.

Sebagai informasi, named-entity recognition dan Word2Vec pada dasarnya adalah penerapan dari natural language processing (NLP) yang merupakan cabang dari artificial intelligence. Dengan NLP kita dapat menganalisis data tekstual, yang merupakan data tak terstruktur (unstructured data).

Baca Juga: Banjir Parah, Jalan Raya Sawangan Depok Macet 3 Km