1. Home
  2. Vol 19, No 2
  3. Abdullah

Klasifikasi Tingkat Keparahan Korban Kecelakaan Lalu Lintas Menggunakan Naïve Bayes

Said Noor Abdullah(1*),Siska Kurnia Gusti(2),Fitri Wulandari(3),Fadhilah Syafria(4)
(1) Universitas Islam Negeri Sultan Syarif Kasim Riau
(2) Universitas Islam Negeri Sultan Syarif Kasim Riau
(3) Universitas Islam Negeri Sultan Syarif Kasim Riau
(4) Universitas Islam Negeri Sultan Syarif Kasim Riau
(*) Corresponding Author
DOI : 10.35889/progresif.v19i2.1348

Abstract

A traffic accident is an unpredictable and unintentional event between other road users that results in human victims experiencing minor injuries, serious injuries, loss of property, and death. Accidents in the city of Pekanbaru tend to increase every year, based on data obtained from the Polresta in the city of Pekanbaru from 2015 to March 2021. Further analysis is needed regarding the severity of traffic accident victims, so use the data mining method using the naïve Bayes classification technique. The research was carried out through cleaning, transformation, and feature selection processes. Attributes that influence determining the severity of traffic accident victims in Pekanbaru City are time, age, vehicle, type of accident, and crash opponent. Then the testing process was carried out and the results obtained an accuracy of 57%.

Keywords: Data Mining; Classification; Naïve Bayes; Accident; Traffic.

 

Abstrak

Kecelakaan lalu lintas merupakan suatu peristiwa yang tidak dapat diprediksi dan tidak disengaja antara pemakai jalan lainnya yang mengakibatkan korban manusia mengalami luka ringan, luka berat, mengalami kerugian harta benda hingga meninggal dunia. Kecelakaan di kota Pekanbaru setiap tahunnya cenderung semakin bertambah, berdasarkan data yang diperoleh dari Polresta di kota Pekanbaru dari tahun 2015 hingga maret 2021. Diperlukan analisis lebih lanjut mengenai tingkat keparahan korban kecelakaan lalu lintas maka penggunakan metode data mining dengan menggunakan teknik klasifikasi naïve bayes. Penelitian dilakukan melalui proses cleaning, transformasi dan feature selection. Atribut yang berpengaruh dalam menentukan tingkat keparahan korban kecelakaan lalu lintas di Kota Pekanbaru adalah waktu, usia, kendaraan, jenis kecelakaan dan lawan tabrak. Kemudian dilakukan proses pengujian dan didapatkan hasil akurasi sebesar 57%.

Kata kunci: Data Mining; Klasifikasi; Kecelakaan; Lalu Lintas; Naïve Bayes.

References


A. Dermawan, “Urgensi Perlindungan Hukum Bagi Korban Kecelakaan Menurut UU No. 22 Tahun 2009 Tentang Lalu Lintas dan Angkutan Jalan,” Doktrina: Journal of Law, vol. 3, no. 1, pp. 77–86, Apr. 2020.

I. Fardian Anshori and Y. Nuraini, “Pengelompokan Data Kecelakaan Lalu Lintas Di Kota Tasikmalaya Menggunakan Algoritma K-Means,” JURNAL RESPONSIF, vol. 2, no. 1, pp. 118–127, 2020.

H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih, and I. Cholissodin, “Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris,” JTIIK, vol. 4, no. 3, pp. 180–184, Sep. 2017.

A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Riset Komputer), vol. 8, no. 6, p. 219, Dec. 2021, doi: 10.30865/jurikom.v8i6.3655.

D. Alita, I. Sari, A. Rahman Isnain, and Styawati, “Penerapan Naïve Bayes Classifier Untuk Pendukung Keputusan Penerima Beasiswa,” JDMSI, vol. 2, no. 1, pp. 17–23, 2021.

T. Yandi, F. Lubis, and Winayati, “Analisis Karakteristik Kecelakaan Lalu Lintas pada Jalan Yos Sudarso Kota Pekanbaru,” JURNAL TEKNIK, vol. 14, pp. 17–21, Apr. 2020.

D. M. Septianingtyas, “Identifikasi Karakteristik Korban Kecelakaan Lalu Lintas Di Sidoarjo Tahun 2016,” The Indonesian Journal Public Health, vol. 14, pp. 50–60, Jul. 2019, doi: 10.20473/ijph.vl14il.2019.50-60.

W. Aprianti and J. Permadi, “K-Means Clustering Untuk Data Kecelakaan Lalu Lintas Jalan Raya Di Kecamatan Pelaihari,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 5, no. 5, pp. 613–620, Oct. 2018, doi: 10.25126/jtiik2018551113.

H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naïve Bayes,” ILKOM Jurnal Ilmiah, vol. 10, no. 2, pp. 160–165, Aug. 2018.

T. Imandasari, E. Irawan, A. Perdana Windarto, and A. Wanto, “Prosiding Seminar Nasional Riset Information Science (SENARIS) Algoritma Naive Bayes Dalam Klasifikasi Lokasi Pembangunan Sumber Air,” in SENARIS, Sep. 2019, pp. 750–761.

A. Ridwan, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” Jurnal Sistem Komputer dan Kecerdasan Buatan, vol. 4, no. 1, pp. 15–21, Sep. 2020.

A. Ashari Muin and Syarli, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),” Jurnal Ilmiah Ilmu Komputer, vol. 2, no. 1, 2016, [Online]. Available: http://ejournal.fikom-unasman.ac.id

M. Sc. Amir Tjolleng, “Pengantar Pemrograman Matlab,” in KOMPAS GRAMEDIA, A. Tjolleng, Ed., Jakarta: KOMPAS GRAMEDIA, 2018, pp. 1–217.

R. Rizqi Robbi Arisandi, B. Warsito, and A. Rachman Hakim, “Aplikasi Naïve Bayes Classifier (Nbc) Pada Klasifikasi Status Gizi Balita Stunting Dengan Pengujian K-Fold Cross Validation,” JURNAL GAUSSIAN, vol. 11, no. 1, pp. 130–139, 2022, [Online]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/

A. Peryanto, A. Yudhana, and R. Umar, “Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation,” Journal of Applied Informatics and Computing (JAIC), vol. 4, no. 1, pp. 45–51, Jul. 2020, [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC


How To Cite This :

Refbacks

  • There are currently no refbacks.