APLIKASI KLASTERISASI DAERAH RAWAN KECELAKAAN LALU LINTAS MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS: SATLANTAS POLRESTABES SEMARANG)

Abstract

Pertumbuhan penduduk di Kota Semarang yang bertambah tiap tahunnya, membuat kebutuhan transportasi juga semakin meningkat. Semakin banyaknya kendaraan transportasi akan memperbesar resiko kecelakaan lalu lintas. Kecelakaan lalu lintas adalah peristiwa di jalan raya yang tidak diduga dan tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan korban manusia atau kerugian harta benda. Kecelakaan lalu lintas di kota Semarang perlu mendapatkan perhatian dan penanganan efektif dari Satlantas Polrestabes Semarang. Untuk mengidentifikasi dan mengelompokkan jalan mana saja yang rawan terjadi kecelakaan lalu lintas maka dibangun sebuah aplikasi klasterisasi daerah rawan kecelakaan lalu lintas menggunakan Algoritma K-Means. Algoritma K-Means bertujuan untuk mengelompokkan dalam bentuk satu atau lebih kelompok klaster. Sampel dataset yang digunakan dalam penelitian ini berjumlah 863 data kejadian kecelakaan berdasarkan 15 jalan dengan 8 atribut untuk proses klasterisasi. Data diolah tiap bulan dengan klasterisasi 2 klaster hingga 10 klaster. Proses Klasterisasi menggunakan Algoritma K-Means dan penentuan pusat klaster menggunakan Metode Analogy Based Estimation penerapan peringkat. Setelah proses klasterisasi dilakukan proses selanjutnya adalah menentukan klaster optimal dari 2 klaster hingga 10 klaster menggunakan Metode Elbow. Berdasarkan perhitungan dan pengujian data sampel 15 jalan dari tahun 2016 sampai 2017 yang dilakukan tiap bulan aplikasi ini menghasilkan klaster optimal yaitu 3 klaster. Aplikasi ini menampilkan tingkat kerawanan kecelakaan lalu lintas dari jalan yang tidak rawan terjadi kecelakaan hingga jalan yang sangat rawan terjadi kecelakaan lalu lintas dalam bentuk peta dengan warna jalan dari warna hijau, kuning, hingga merah.