Implementasi Algoritma K-means Untuk Klasterisasi Tingkat Kecelakaan Lalu Lintas Di Jalan Raya

SITI UYUN MUBARAK (2020) Implementasi Algoritma K-means Untuk Klasterisasi Tingkat Kecelakaan Lalu Lintas Di Jalan Raya. ["eprint_fieldopt_thesis_type_sarjana" not defined] thesis, Universitas Tadulako.

Full text not available from this repository.

Abstract

Kota Palu mengalami peningkatan populasi jumlah penduduk. Hal ini berdampak pada perekonomian serta pemanfaatan tata guna lahan seperti kawasan pertokoan, kawasan perumahan, dan kawasan rekreasi di Kota Palu yang semakin banyak. Adanya kawasan-kawasan tersebut menyebabkan meningkatnya pergerakan masyarakat dari satu lokasi ke lokasi lainnya sehingga membuat kebutuhan penduduk terhadap transportasi juga ikut meningkat. Secara tidak langsung hal tersebut akan memperbesar resiko permasalahan lalu lintas salah satunya yaitu kecelakaan lalu lintas. Penumpukan data kecelakaan yang berada di Kepolisian Resor Palu akan diolah dengan teknik data mining untuk menggali informasi dan pengetahuan baru dari pola-pola yang terbentuk pada data yang besar. Dalam penelitian ini, dilakukan analisis klaster terhadap peristiwa kecelakaan yang terjadi berdasarkan umur pelaku kecelakaan berupa tingkat kecelakaan sedikit, sedang, dan banyak menggunakan algoritma k-means. Penelitian ini bertujuan untuk mengklasterisasi tingkat kecelakaan yang berada di Kota Palu, dimana hasil dari klasterisasi tersebut nantinya akan digunakan sebagai bahan pertimbangan untuk sosialisasi kecelakaan lalu lintas secara objektif dan terarah serta menjadi langkah pencegahan untuk membantu pihak kepolisan dalam menekan jumlah kecelakaan lalu lintas. Berdasarkan hasil pengujian dengan 2 metode inisialisasi centroid yang berbeda maka didapatkan hasil bahwa inisialisasi centroid menggunakan metode peringkat memiliki nilai SSE 233.0690397 sedangkan inisialisasi centroid menggunakan metode acak memiliki nilai SSE 356.42304. Hal tersebut membuktikan bahwa inisialisasi centroid menggunakan metode peringkat memiliki hasil klastering yang lebih baik dibandingkan dengan percobaan inisialisasi centroid menggunakan metode acak. Kata Kunci : kecelakaan lalu lintas, data mining, klastering, algoritma k-means, SSE

Item Type: Thesis (["eprint_fieldopt_thesis_type_sarjana" not defined])
Subjects: University Structure > Faculty of Engineering > Informatics Engineering
S1 - Undergraduate Thesis > Faculty of Engineering > Informatics Engineering
Divisions: Faculty of Engineering > Informatics Engineering
Tadulako Subject Areas > S1 - Undergraduate Thesis > Faculty of Engineering > Informatics Engineering
Depositing User: system estd estd
Date Deposited: 13 Feb 2020 07:03
Last Modified: 13 Feb 2020 06:35
URI: http://repository.untad.ac.id/id/eprint/3309

Actions (login required)

View Item View Item