Laporkan Masalah

PENGAPLIKASIAN ALGORITMA CLASSIFICATION BASED ON PREDICTIVE ASSOCIATION RULES UNTUK ANALISA KARAKTERISTIK KECELAKAAN LALU LINTAS (Studi pada Kepolisian Daerah Sulawesi Tenggara)

Natalis Ransi, Drs. Edi Winarko, M.Sc., Ph.D.

2014 | Tesis | S2 Ilmu Komputer

Data kecelakaan lalu lintas di Sulawesi Tenggara terus meningkat setiap tahunnya. Dengan demikian, kecelakaan lalu lintas di Sulawesi Tenggara perlu mendapat penanganan yang lebih efektif. Penanganan yang efektif berhubungan dengan kebijakan tentang manajemen dan rekayasa lalu lintas yang tepat. Pengambilan kebijakan hendaknya didukung oleh pengetahuan yang berasal dari basis data kecelakaan lalu lintas. Salah satu pengetahuan yang dapat diperoleh adalah karakteristik tingkat keparahan korban (meninggal dunia, luka berat, luka ringan) kecelakaan lalu lintas. Penelitian ini menerapkan algoritma Classification based on Predictive Association Rules (CPAR) pada basis data kecelakaan lalu lintas Kepolisian Daerah Sulawesi Tenggara antara tahun 2010 sampai 2012. Algoritma CPAR menghasilkan Class Association Rules (CARs) yang digunakan untuk mendeskripsikan pengetahuan tentang karakteristik tingkat keparahan korban kecelakaan lalu lintas. Hasil penelitian menunjukkan bahwa faktor utama penyebab kecelakaan lalu lintas adalah factor manusia (berkendara di bawah pengaruh alkohol dan berkendara melebihi batas kecepatan) dan factor lingkungan fisik (prasarana jalan yang rusak dan jalan dengan tikungan tajam). Jenis kecelakaan (tunggal dan depandepan) dan jenis kendaraan sepeda motor berpotensi menimbulkan korban meninggal dunia. Pengujian akurasi menggunakan 10-fold cross validation menunjukkan bahwa rerata akurasi algoritma CPAR lebih tinggi yaitu 48,75% dibandingkan dengan algoritma PRM yaitu 41,13%.

Data of traffic accident in Southeast Sulawesi has increased every year. Therefore, traffic accident in Southeast Sulawesi needs to get more effective handling. Effective handling related to right policies about the management and traffic engineering. It should be supported by knowledge based on a traffic accidents database. One of the knowledge that may be got is the characteristic of severity (dead, seriously injured, lightly injured) of the traffic accident. This research is to apply Classification based on Predictive Association Rules (CPAR) algorithm in data base traffic accident, Southeast Sulawesi Police Department between in the period of 2010 to 2012. CPAR algorithm produces Class Association Rules (CARs) which is used to describe knowledge about the characteristics of severity of the traffic accident victims. The results of experiment shows that the main cause of traffic accident were human factors (driving under the influence of alcohol and driving exceed the maximum speed) and environmental physical factors (damage road and elbow road). Types of accidents (single and head-on) and accidents involving motor cycles contribute potentially that the victims died. Testing the accuracy using 10-fold cross validation shows that the average accuracy of CPAR algorithm is 48,75% that is higher than PRM algorithm 41.13%.

Kata Kunci : data mining, algoritma CPAR, kecelakaan lalu lintas


    Tidak tersedia file untuk ditampilkan ke publik.