Clustering Data Kecelakaan Lalu Lintas di Kecamatan Cileungsi Menggunakan Metode K-Means
Abstract views: 998
,
PDF downloads: 991
Abstract
Data merupakan suatu kumpulan fakta yang masih dapat diolah menjadi sebuah informasi yang menarik. Berbagai pengolahan data dilakukan secara komputerisasi, mulai dari penyimpanan data, arsip, membuat laporan, serta menghasilkan informasi, baik yang dibutuhkan secara perorangan maupun perusahaan. Dibutuhkan sebuah metode atau Teknik yang dapat merubah tumpukan data tersebut menjadi sebuah informasi yang berharga atau pengetahuan (knowledge) yang bermanfaat untuk mendukung pengambilan keputusan. Manfaat dari penelitian ini adalah untuk melihat bagaimana pola suatu kecelakaan lalu lintas di kecamatan cileungsi itu terjadi. Yang bertujuan untuk mengetahui faktor penyebab, waktu, dan umur korban yang paling sering mengalami kecelakaan. Sehingga pemerintah dapat mengambil suatu keputusan dari hasil penelitian ini. Suatu teknologi yang dapat digunakan untuk mewujudkannya adalah data mining. Data mining merupakan suatu proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan Teknik atau metode tertentu. Data mining mampu menganalisa suatu data yang besar atau banyak. Salah satu Teknik atau metode yang dapat digunakan adalah K-Means Clustering. Algoritma K-Means Clustering merupakan suatu tata cara penganalisaan informasi ataupun tata cara data Mining yang melaksanakan proses pemodelan tanpa supervise (Unsupervised). Pada penelitian ini akan menghasilkan 3 cluster, untuk mengkategorikan lokasi tidak rawan, rawan, dan sangat rawan. Cluster 1 menghasilkan nilai evaluasi 0.35, pada cluster 2 menghasilkan nilai evaluasi 0.22, dan pada cluster 3 menghasilkan nilai evaluasi 0.38. Pada penelitian ini, menggunakan evaluasi silhoutte coefficient.
References
World Health Organization (WHO) .2013. Global Status Report On Road Safety 2013: Supporting A Decade Of Action. Switzerland : Printed in Luxembourg.
Achmad, Maududie & Wahyu Catur Wibowo. 2014. Perbaikan Inisialisasi KMeans Menggunakan Graf Hutan Yang Minimum. Prosiding Seminar Ilmiah Nasional Komputer dan Sistem Intelijen. Depok: Universitas Gunadarma
Anshori, Iedam Fardian, and Yeni Nuraini. 2020. “Pengelompokan Data Kecelakaan Lalu Lintas Di Kota Tasikmalaya Menggunakan Algoritma K-Means.” Jurnal Responsif 2(1):118–27.
Anonim, 2009. Undang-undang Republik Indonesia No.22 Tahun 2009 tentang Lalu lintas dan Angkutan Jalan. Jakarta: Pemerintah Republik Indonesia
Anonim, 1993. Peraturan Pemerintah Republik Indonesia Nomor 44 Tahun 1993 Tentang Jalan. Jakarta: Pemerintah Republik Indonesia.
Aprianti, Winda, and Jaka Permadi. 2018. “K-Means Clustering Untuk Data Kecelakaan Lalu Lintas Jalan Raya Di Kecamatan Pelaihari.” Jurnal Teknologi Informasi Dan Ilmu Komputer 5(5):613. doi: 10.25126/jtiik.2018551113.
Ariani, Dinda Retno. 2020. “Identifikasi Penyebab Kecelakaan Lalu Lintas Dengan Menggunakan Metode K-Means.” 8:320–25.
Aribowo, Agus Sasmito. 2015. “Analisa Asosiatif Data Mining Untuk Mengetahui Pola Kecelakaan Lalu Lintas.” Telematika 8(2):2–7. doi: 10.31315/telematika.v8i2.458.
Azizirrahman, Muhammad, Ellyn Normelani, Deasy Arisanty, Kecelakaan Lalu Lintas, and Daerah Rawan Kecelakaan. 2015. “Faktor Penyebab Terjadinya Kecelakaan Lalu Lintas Pada Daerah Rawan Kecelakaan Di Kecamatan Banjarmasin Tengah Kota Banjarmasin.” 2(3).
Oktavia, Rezki, Sutardi, and Jumadil Nangi. 2017b. “IMPLEMENTASI DATA MINING UNTUK MENENTUKAN DAERAH RAWAN KECELAKAAN MENGGUNAKAN ALGORITMA C4.5 Rezki.” SemanTIK 3(2):95–104.
Putu, Ni, Ratindia Apriyanti, I. Ketut Gede, Darma Putra, and I. Made Suwija Putra. 2020. “Peramalan Jumlah Kecelakaan Lalu Lintas Menggunakan Metode Support Vector Regression.” Jurnal Ilmiah Merpati 8(2):72–80.
Marsaid, M. Hidayat, and Ahsan, “Faktor Yang Berhubungan Dengan Kejadian Kecelakaan Lalu Lintas pada Pengendara Sepeda Motor di Wilayah Polres Kabupaten Malang,” J. Ilmu Keperawatan, vol. 1, no. 2, pp. 98–112, 2013.
Rahmat C.T.I., Brilian, Agum Agidtama Gafar, Nurul Fajriani, Umar Ramdani, Fitria Rihin Uyun, Yuwanda Purnamasari P., and Natalis Ransi. 2017. “Implemetasi K-Means Clustering Pada Rapidminer Untuk Analisis Daerah Rawan Kecelakaan.” Seminar Nasional Riset Kuantitatif Terapan 2017 (April):58–60.
Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
