Text
ANALISIS POLA KECELAKAAN LALU LINTAS KENDARAAN BERMOTOR DI KOTA PALEMBANG TAHUN 2021-2024 MENGGUNAKAN ALGORITMA CLUSTERING
Penelitian ini bertujuan untuk menganalisis pola kecelakaan lalu lintas di Kota Palembang menggunakan pendekatan machine learning berbasis clustering. Data sekunder diperoleh dari catatan resmi Kepolisian Kota Palembang mencakup periode 2021–2024 dengan total 2.658 data dan 35 variabel awal. Setelah melalui proses prapemrosesan, dilakukan pembersihan data, penghapusan variabel yang tidak relevan, penanganan nilai hilang, serta transformasi fitur menjadi format terstruktur. Dari proses tersebut diperoleh enam variabel utama yang digunakan dalam pengelompokan, yaitu Fungsi Jalan, Bentuk Geometri Jalan, Jumlah Korban, Jenis Kendaraan, Tipe Kecelakaan, dan Tipe Jalan. Pemodelan dilakukan menggunakan empat algoritma unsupervised learning, yaitu K-Means, DBSCAN, Hierarchical Clustering, dan Gaussian Mixture Model (GMM). Evaluasi kualitas klaster menggunakan Silhouette Coefficient, Davies–Bouldin Index, dan Calinski–Harabasz Index. Hasil evaluasi menunjukkan bahwa GMM menghasilkan performa terbaik dengan nilai Silhouette sebesar 0.6849, Davies–Bouldin Index 0.4357, dan Calinski–Harabasz Index 9917.08. Nilai-nilai tersebut mengindikasikan bahwa GMM mampu membentuk klaster yang cukup kompak, terpisah dengan baik, dan merepresentasikan struktur laten dalam data kecelakaan lalu lintas. Analisis hasil clustering menunjukkan bahwa setiap klaster memiliki karakteristik khusus yang mencerminkan kondisi kecelakaan berbeda, berdasarkan variasi fungsi jalan, bentuk geometri, jumlah korban, jenis kendaraan, serta tipe kecelakaan. Temuan ini memberikan gambaran pola kecelakaan yang lebih terarah dan dapat menjadi dasar dalam upaya peningkatan keselamatan lalu lintas berbasis data. Secara keseluruhan, penelitian ini menunjukkan bahwa pendekatan clustering, khususnya menggunakan GMM, efektif untuk mengungkap pola tersembunyi pada data kecelakaan lalu lintas di Kota Palembang.
No other version available