CLUSTERING PELANGGARAN LALU LINTAS PADA KENDARAAN BERMOTOR MENGGUNKAN ALGORITMA K-PROTOTYPE

STUDI KASUS: PENGADILAN NEGERI CIREBON

  • Nilta Saniyah Teknik Informatika, STMIK IKMI Cirebon
  • Nana Suarna Teknik Informatika, STMIK IKMI Cirebon
  • Willy Prihartono Teknik Informatika, STMIK IKMI Cirebon

Abstrak

Fenomena sering terjadi pelanggaran lalu lintas yaitu salah satu  dari problematika yang masih banyak mengakibatkan permasalan di jalan raya, seperti kecelakaan lalu lintas dan kemacetan. Disebabkan dari tingginya kasus pelanggaran yaitu minimnya pengetahuan serta kesadaran pengendara kendaraan khususnya kendaraan bermotor bahkan ada beberapa pengguna juga abai dalam mematuhi peraturan lalu lintas dijalan raya. Pada daerah sektor lalu lintas di Cirebon masih cukup tinggi. Penelitian ini dilakukan bertujuan untuk pengelompokkan dan analisis data pelanggaran lalu lintas di Pengadilan Negeri Cirebon di tahun 2022. Metode penelitian ini menerapkan algoritma K-Prototype untuk memudahkan dalam mengetahui jenis pelanggaran yang sering kali dilakukan oleh pengendara. Algoritma K-prototype merupakan salah satu metode analisis cluster pada data berukuran besar dengan bertipe campuran yang terdiri data numerik dan kategorikal. penelitian ini akan menggunakan sebanyak 3 atribut yang terdiri dari jenis pelanggaran, denda dan pasal. Setelah data dikumpulkan dan dilakukan analisis kemudian dilakukan pra-pemrosesan data dengan melakukan melakukan pembersihan data yang tidak valid data yang tidak diperlukan. Selanjutnya data diproses dengan metode clustering menggunakan algoritma K-Prototype untuk pengelompokkan jenis pelanggaran dengan atribut yang digunakan tahap berikutnya dilakukan analisis dan interpretasi terhadap hasil dari klasterisasi yang dilakukan sehingga dapat mengetahui pola yang terjadi. Hasil dari penelitian ini terdapat 2 cluster yang terdiri dari C1 yaitu pelanggaran paling sering dilakukan pada pasal 291 dan C2 yaitu pelanggaran yang jarang dilakukan pada pasal 280 dari pengujian yang optimal menggunakan elbow analysis didapatkan bahwa jumlah cluster yang optimal sebanyak 2 cluster.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##
Diterbitkan
2024-03-26