KLASTERISASI ANALISIS KARAKTERISTIK KECELAKAAN LALU LINTAS
Author (Penulis)
DWI BAGUS KURNIAWANUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
14.1.03.03.0019Abstract
Satlantas Polres Kediri Kota tahun 2017 mencatat 584 insiden kecelakaan lalu lintas. Informasi yang direkam pada suatu kecelakaan lalu lintas adalah dimana, kapan, dan bagaimana kecelakaan terjadi. Hampir seluruh Satlantas memiliki sistem atau mekanisme untuk pengarsipan kejadian kecelakaan lalu lintas dari waktu ke waktu.
Permasalahan pada penelitian ini adalah bagaimana menentukan tingkat kecelakaan lalu lintas berdasarkan cluster dan bagaimana analisis karakteristik kecelakaan lalu lintas pada setiap cluster.
Penelitian ini menerapkan data mining dengan menggunakan algoritma K-Means untuk mengelompokkan data kecelakaan lalu lintas Kabupaten dan Kota Kediri tahun 2017, dengan memperhatikan jumlah korban, kerugian material, kendaraaan dan pejalan kaki yang terlibat. Penelitian diterapkan dalam sebuah website dengan framework CodeIgniter.
Pengelompokkan data kecelakaan menjadi 3 cluster berdasarkan tingkat keparahan kecelakaan yakni: berat, sedang, dan ringan. Pengelompokkan tersebut terdapat 84 insiden kecelakaan tingkat berat, 409 insiden kecelakaan tingkat sedang, 90 insiden kecelakaan tingkat ringan. Ketiga cluster tersebut dilakukan analisa berdasarkan karakteristiknya dengan hasil prosentase tertinggi yakni hari: rabu, sabtu, dan minggu, waktu:06.00 dan 07.00 WIB, bentuk geometri jalan: lurus, kondisi cahaya: terang atau jelas, serta kondisi cuaca: cerah.
Hasil analisis digunakan sebagai pendukung keputusan dalam upaya pencegahan kecelakaan lalu lintas, perbaikan infrastruktur lalu lintas, dan antisipasi pada daerah rawan kecelakaan.
Keyword
aReference
Daniati, E., & Nugroho, A. (2016). K-Means Clustering with Decision Support System using SAW : Determining Thesis Topic. IEEE.
Iswari, L., & Ayu, E. G. (2015, Maret 1). Pemanfaatan Algoritma K-Means untuk Pemetaan Hasil Klasterisasi Data Kecelakaan Lalu Lintas. Teknoin, 21, 01-11.
Larose, D. T. (2005). Discovering Knowledge In Data : An Introducing to Data Mining. Hoboken, New Jersey: John Wiley & Sons, Inc.
Liputan6. (2017, Agustus 21). Kemenhub: 3 Orang Meninggal Per Jam Akibat Kecelakaan. Retrieved November 10, 2017, from Liputan6 News: http://news.liputan6.com/read/3064810/kemenhub-3-orang-meninggal-per-jam-akibat-kecelakaan
Ong, J. O. (2013). Implementasi Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing President University. Jurnal Ilmiah Teknik Industri, 10-20.
Rahmat, B., Gafar, A. A., Fajriani, N., Ramdani, U., Uyun, F. R., P., Y. P., et al. (2017, April 8). Implentasi K-Means Clustering pada Rapidminer untuk Analisis Daerah Rawan Kecelakaan. Seminar Nasional Riset Kuantitatif Terapan 2017, 58-63.
Ridlo, M. R., Defiyanti, S., & Primajaya, A. (2017, Juli 27). Implementasi Algoritme K-Means Untuk Pemetaan Produktivitas Panen Padi Di Kabupaten Karawang. CITEE 2017, 426-433.
Wicaksono, E. A., Kusrini, & Lutfi, E. T. (2017, Februari 4). Analisis Data Kerawanan Kecelakaan Lalu Lintas menggunakan Metode K-Means (Studi kasus Polres Bantul). Seminar Nasional Teknologi Informasi dan Multimedia 2017, 109 - 114.
