Klasifikasi Tingkat Kecelakaan Lantas Polda Jatim Menggunakan KNN, SVM, Decision Tree, dan Naive Bayes dengan SMOTE

Adyatma Rangga Setiawan, Sultan (2025) Klasifikasi Tingkat Kecelakaan Lantas Polda Jatim Menggunakan KNN, SVM, Decision Tree, dan Naive Bayes dengan SMOTE. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (543kB)
	PDF BAB_I.pdf Download (472kB)
	PDF BAB_II.pdf Download (649kB)
	PDF BAB_III.pdf Download (533kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (408kB)
	PDF DAFTAR_PUSTAKA.pdf Download (380kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (463kB)
	Archive (ZIP) CREATION_FILE.zip Download (17MB)

Abstract

Kecelakaan lalu lintas merupakan salah satu permasalahan utama dalam sistem transportasi, yang berdampak signifikan terhadap keselamatan pengguna jalan, baik pengendara maupun pejalan kaki. Di Provinsi Jawa Timur, jumlah pengguna kendaraan bermotor terus mengalami peningkatan setiap tahunnya. Berdasarkan data gabungan dari BPSP Jatim dan GoodStats, tercatat sebanyak 23.591.000 pengguna pada tahun 2022, meningkat menjadi 25.201.000 pada 2023, dan mencapai 26.527.000 pada tahun 2024. Seiring dengan pertumbuhan ini, angka kecelakaan lalu lintas juga meningkat, dengan 32.000 kasus tercatat oleh Polda Jawa Timur pada tahun 2023, menjadikan provinsi ini sebagai wilayah dengan jumlah kecelakaan tertinggi di Indonesia pada tahun tersebut. Tingginya angka kecelakaan dipengaruhi oleh berbagai faktor, baik dari sisi perilaku pengendara seperti ketidakpatuhan terhadap aturan lalu lintas, maupun dari faktor eksternal seperti waktu padat kendaraan, kondisi cuaca, dan infrastruktur jalan yang tidak memadai. Sebagai instansi yang menjaga keamanan masyarakat, Polda perlu melakukan analisis untuk mengurangi peningkatan angka dan tingkat kecelakaan di sebuah wilayah. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kecelakaan lalu lintas di Jawa Timur menggunakan algoritma SVM, KNN, Decision Tree, dan Naïve Bayes. Untuk mengatasi ketidakseimbangan data, diterapkan metode Synthetic Minority Over-sampling Technique (SMOTE). Model terbaik akan dikembangkan menjadi aplikasi sederhana agar dapat mengklasifikasi tingkat kecelakaan sebagai pendukung pemilihan keputusan oleh pihak Polda Jatim dan membantu keefisienan kinerja pendataan instansi. Pendekatan ini diharapkan dapat memberikan kontribusi terhadap upaya pencegahan dan pengendalian kecelakaan lalu lintas secara lebih efektif di wilayah Jawa Timur.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Adyatma Rangga Setiawan, Sultan (00000061918)
Contributors:	Natalia, Friska
Keywords:	Decision Tree, Jawa Timur, Klasifikasi Tingkat Kecelakaan, KNN, Lalu lintas, SVM, SMOTE
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	10 Sep 2025 05:44
URI:	https://kc.umn.ac.id/id/eprint/40470

Actions (login required)

View Item