Pengelompokan Data Kecelakaan Lalu Lintas di Kota Tasikmalaya Menggunakan Algoritma K-Means
##plugins.themes.academic_pro.article.sidebar##
Downloads
##plugins.themes.academic_pro.article.main##
Abstract
Kenaikan jumlah penduduk mengakibatkan meningkatnya jumlah kebutuhan akan kendaraan bermotor sehingga memicu terjadinya kecelakaan lalu lintas. Pengelompokan data kecelakaan lalu lintas penting untuk dilakukan, karena akan memudahkan pihak polisi khususnya Unit Kecelakaan Lalu Lintas Polres Tasikmalaya Kota dalam mengurangi angka kecelakaan lalu lintas. Pada penelitian ini menggunakan Algoritma K-Means dengan tujuan untuk memperoleh informasi mengenai kelompok data kecelakaan lalu lintas berdasarkan waktu kejadian sehingga diketahui penyebab dari kecelakaan lalu lintas yang terjadi di Kota Tasikmalaya. Berdasarkan Validasi menggunakan metrik Davies Bouldin Index maka diperoleh 4 cluster yang dinilai dapat mengelompokan data dengan baik. PerformanceVector hasil evaluasi cluster yang dibentuk sebanyak 4 cluster dengan nilai sebesar 0,134. Cluster 1 dengan jumlah data kecelakaan sebanyak 74 kecelakaan yang paling banyak terjadi pada malam hari, Cluster 2 dengan jumlah kecelakaan sebanyak 16 kecelakaan yang paling banyak terjadi pada siang hari, Cluster 3 dengan jumlah kecelakaan sebanyak 6 kecelakaan yang paling banyak terjadi pada sore hari dan Cluster 4 dengan jumlah kecelakaan sebanyak 113 kecelakaan yang paling banyak terjadi pada pagi hari
Keywords: Data Mining, K-means, Clustering, Pelanggaran Lalu Lintas
##plugins.themes.academic_pro.article.details##
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Fajariyanti, W. (2017). Clustering Wilayah Pada Pelanggaran Berkendaraan Menggunakan. Sikmi-Techsain, Vol 01, No.09.
Handoko, K. (2016). Penerapan Data Mining dalam Meningkatkan Mutu PembelajaranJURNAL SISTEM INFORMASI DAN TEKNOLOGI INFORMASI. Teknosi, 31-40.
Kesuma, D. P. (2018, Desember 20). Polisi Akui Angka Kecelakaan Lalu Lintas Sepanjang 2018 Cenderung Naik. Diambil kembali dari Tribunnews.com: https://www.tribunnews.com
Lestian , A. C., & Ahmad, Z. F. (2017). Implementasi Algoritma K-Means Pada Data pelanggaran Lalu Lintas Di Pengadilan Negri Purwodadi. Jurnal UDINUS.
Mulyani, E. D., Agustin, S., & Surgawi, N. (2018). Implementasi Algoritma K-Means dan Fp-Growth Untuk Rekomendasi Bimbingan Belajar Berdasarkan Segmentasi Akademik Siswa. Informatic Technique) Journal, 160-173.
Ramadhani , N., Rahman, A. F., & Riskiyati, D. (2017). Analisis Cluster Data Register Perkara lalu Lintas Menggunakan Algoritma K-Means. SESINDO 9.
Supas. (2015, 01 01). Jumlah Penduduk Indonesia 2019 Mencapai 267 Juta Jiwa. Diambil kembali dari Kata data: https://databoks.katadata.co.id/datapublish/2019/01/04/jumlah-penduduk-indonesia-2019-mencapai-267-juta-jiwa