IMPLEMETASI K-MEANS CLUSTERING PADA RAPIDMINER UNTUK ANALISIS DAERAH RAWAN KECELAKAAN

Brilian Rahmat C.T.I, Agum Agidtama Gafar, Nurul Fajriani, Umar Ramdani, Fitria Rihin Uyun, Yuwanda Purnamasari P, Natalis Ransi

Abstract


Kecelakaan lalu lintas kerap menjadi masalah utama dalam pemerintahan dan sosial karena dapat menyebabkan kerugian dari segi biaya dan keselamatan manusia.DataMining telah terbukti sebagai teknik yang dapat dipercaya untuk menganalisa data kecelakaan lalu lintas dan memberikan­ hasil yang produktif. Kebanyakan analisis data kecelakaan lalu lintas, hanya terfokus mengidentifikasi faktor-faktor yang mempengaruhi seberapa parah kecelakaan tersebut. Terkadang, kecelakaan terjadi lebih sering pada suatu lokasi tertentu. Analisis pada lokasi tersebut dapat membantu mengidentifikasi penyebab terjadinya kecelakaan yang membuat kecelakaan lalu lintas lebih sering terjadi di lokasi tersebut. Dari 2620 data kecelakaan yang tercatat di dalam basis data Resor Kendari, data tersebut diseleksi menjadi 500 data. Data tersebut kemudian dianalisis menggunakan algoritma K-Means Clustering dengan bantuan aplikasi RapidMiner Studio. Hasil analisis menunujukan frekuensi tingkat kecelakaan di tiap lokasi beserta waktu-waktu rawan yang berpotensi terjadi kasus kecelakaan.

Kata kunci— K-Means Clustering, Kecelakaan Lalu Lintas, RapidMiner


Full Text:

PDF

Refbacks

  • There are currently no refbacks.