Implementasi Data Mining dalam Memetakan Daerah Rawan Kecelakaan Berbasis WebGIS (Studi Kasus Kota Makassar)

KOMINFO menyatakan bahwa setiap jam, rata-rata 3 orang meninggal akibat kecelakaan lalu lintas di Indonesia dan berdasarkan data yang diperoleh dari SATLANTAS Kota Makassar, statistik peningkatan kecelakaan lalu lintas terbilang cukup tinggi. Dari tahun 2016 hingga tahun 2020, setiap tahunnya, tingkatan kecelakaan lalu lintas di Makassar berada dalam rentang 1000 ~ 1600 kasus. Untuk itu, penelitian pemetaan daerah rawan kecelakaan di Kota Makassar dilakukan. Dengan menganalisa data riwayat kecelakaan lalu lintas menggunakan data mining teknik clustering, penelitian ini dilakukan dengan membandingkan klasterisasi dan identifikasi daerah rawan kecelakaan di Kota Makassar antara algoritma DBSCAN dan K-Means. Hyperparameter DBSCAN, yaitu MinPts dan Eps, ditentukan menggunakan kaidah dan pendekatan heuristik, dengan memerhatikan nilai SSE (71.2), silhouette score (0.805), dan noise yang direduksi (280), diperoleh nilai optimal MinPts (53) dan Eps (0.23) yang menghasilkan 16 klaster. Sedangkan pada K-Means, nilai k yang menjadi hyperparameter nya ditentukan menggunakan elbow method dengan memerhatikan SSE (102.6) dan silhouette score (0.77), diperoleh nilai optimal k (16) yang menghasilkan 16 klaster. Dalam hal ini, DBSCAN dapat mengklasterisasi dan mengidentifikasi daerah rawan kecelakaan lebih baik dibandingkan K-Means. Berdasarkan hasil klasterisasi terhadap hari, waktu, tipe kecelakaan, tipe kendaraan tersangka, dan tipe kendaraan korban menggunakan algoritma DBSCAN, 21 lokasi/jalan berhasil diidentifikasi sebagai daerah yang rawan kecelakaan dan sebagai hasil akhir divisualisasikan pada WebGIS.