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
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.
Keyword(s): pelanggaran, clustering, kmedoids, PCA, elbow method, silhouette score, word cloud
Year : 2022