Implementasi Algoritma K-Medoids dalam Pengelompokan Jenis Pelanggaran Lalu Lintas (Studi Kasus Kota Makassar)

Writer(s) : Andi Iffat Ainiyyah Hamka | Amil Ahmad Ilham | Anugrayani Bustamin

Teknik Informatika | Teknik Informatika S1

PDF
Login required to download this file
Abstract

Lalu lintas merupakan ruang gerak bagi para masyarakat untuk berkendara yang meliputi para pengemudi dan pejalan kaki. Berdasarkan data dari Badan Pusat Statistik tahun 2020 di Kota Makassar telah tercatat jumlah kendaraan bermotor menurut jenisnya, yaitu 248.682 unit mobil penumpang, 17.501 unit bus, 85.968 unit truk, dan 1.338.306 unit sepeda motor dan tahun berikutnya cenderung mengalami peningkatan. Padatnya pengguna kendaraan ini tentunya dapat mempengaruhi meningkatnya angka pelanggaran lalu lintas di jalan. Penelitian ini bertujuan mengelompokkan jenis pelanggaran lalu lintas di Kota Makassar dengan memanfaatkan algoritma K-Medoids dan melakukan visualisasi hasil klaster dengan menggunakan Word Cloud yang diharapkan memberikan informasi terkait pola-pola klaster jenis pelanggaran lalu lintas. Penelitian ini akan menggunakan studi kasus di Satlantas Polrestabes Kota Makassar pada tahun 2021 dengan total kasus pelanggaran lalu lintas sebanyak 5893 kasus. Data yang digunakan berupa data tilang yang terdiri dari fitur pasal dan jenis kendaraan. Hasil klasterisasi menunjukkan jenis kendaraan sepeda motor dan mini bus merupakan kendaraan yang paling sering dikenakan pelanggaran lalu lintas. Kendaraan r2 yaitu sepeda motor tidak hanya didominasi pelanggaran yang berkaitan dengan penggunaan helm standar SNI, namun juga cukup dominan pada pelanggaran tidak memenuhi kelengkapan dan kepemilikan SIM/STNK dan tidak memenuhi syarat teknik laik jalan seperti kaca spion, lampu utama, klakson, dll. Kendaraan r4 khusunya tipe mini bus dan mobil penumpang yang cukup dominan melanggar aturan lalu lintas. Aturan yang dilanggar tidak hanya berkaitan dengan penggunaan sabuk keselamatan bagi kendaraan r4, tetapi juga cukup dominan pada pelanggaran tidak memenuhi kelengkapan STNK, tidak dapat menunjukkan SIM, tidak memasang TKB (Tanda Kendaraan Bermotor), dan lain sebagainya. Hasil penelitian ini didapatkan hasil klaster dengan nilai k=9 dengan uji validasi nilai Silhouette Score sebesar 0.867.