Abstrak
Kecelakaan lalu lintas (laka lantas) di Sulawesi Tenggara perlu mendapatkan penanganan yang efektif karena menyebabkan korban meninggal dunia yang terus meningkat setiap tahunnya. Salah satu langkah penanganan adalah analisis karakteristik laka lantas yang berhubungan dengan korban meninggal dunia. Analisis karakteristik laka lantas dapat dilakukan dengan pendekatan faktor penyebab kecelakaan, jenis kecelakaan, dan waktu kejadian. Penelitian ini mengaplikasikan algoritma Classification based on Predictive Association Rules (CPAR) pada data mining untuk analisa karakteristik laka lantas. Algoritma CPAR menghasilkan Class Association Rules (CARs), selanjutnya CARs digunakan untuk mendeskripsikan karakteristik laka lantas yang berhubungan dengan korban meninggal dunia. Hasil penelitian diperoleh bahwa faktor yang menyebabkan korban meninggal dunia pada kasus laka lantas adalah faktor manusia (berkendara dibawah pengaruh alkohol dan berkendara melebihi batas kecepatan) dan faktor lingkungan fisik (prasarana jalan yang rusak dan jalan dengan tikungan tajam). Jenis kecelakaan (tunggal dan depan-depan), waktu kejadian (tanggal 8-14, hari Senin dan Selasa, jam 13:00-18:59), jenis kendaraan (sepeda motor) dan merek kendaraan (Honda), berpotensi menimbulkan korban meninggal pada kasus laka lantas. Pengendara sepeda motor rentan menjadi korban pada kasus laka lantas. Pengujian akurasi menggunakan 10-fold cross validation Hasil pengujian menunjukkan bahwa rata-rata akurasi algoritma CPAR lebih tinggi yaitu 48,75% dibandingkan dengan algoritma PRM yaitu 41,13%.
Kata kunci— data mining, algoritma CPAR, kecelakaan lalu lintas
Pendahuluan
kecelakaan lalu lintas (laka lantas) di Sulawesi Tenggara menyebabkan korban meninggal dunia yang terus meningkat setiap tahunnya [1]. Laka lantas turut berkontribusi pada penurunan kualitas sumber daya manusia, khususnya yang berakibat cacat tetap (luka berat) [2]. Oleh karena itu, laka lantas perlu mendapat penanganan yang lebih efektif. Penanganan laka lantas dapat dilakukan dengan analisa data kecelakaan. Salah satu langkah pada analisa data kecelakaan adalah analisis karakteristik laka lantas yang berhubungan dengan korban meninggal dunia. Analisis karakteristik laka lantas dapat dilakukan dengan pendekatan faktor penyebab kecelakaan, jenis kecelakaan, lokasi kejadian, dan waktu kejadian [3]. Karakteristik kecelakaan dapat dicari dengan menggunakan teknik data mining [4,5,6]. Teknik Data mining adalah teknik analisis data untuk menemukan pola dan hubungan dari repositori data yang besar [7,8,9]. Karakteristik laka lantas yang berhubungan dengan korban meninggal dunia dapat didekati dengan menerapkan teknik Associative Classification pada data mining. Associative Classification merupakan salah satu teknik data mining yang mengintegrasikan teknik classification dan association, dimana pengintegrasian ini fokus pada pengolahan special subset dari Association Rule, yang lebih dikenal sebagai Class Association Rules (CARs). CARs digunakan untuk membangun classifier pada proses klasifikasi [9,10]. Associative Classification membutuhkan algoritma dalam menghasilkan CARs. Salah satu algoritma dalam teknik associative classification adalah algoritma Classification based on Predictive Association Rules (CPAR). Keunggulan algoritma CPAR adalah memiliki tingkat akurasi yang tinggi dan kemudahan dalam hal interpretasi, dibandingkan dengan C4.5, First Order Inductive Learner (FOIL), Repeated Incremental Pruning to Produce Error Reduction (RIPPER), Classification Based on Association (CBA), dan Classification based on Multiple Association Rules (CMAR) [10,11,12,13,14, 15,16,17].
Untuk lebih lengkapnya silahkan klik link donwload dibawah ini :
){kind=link}
Post a Comment
Post a Comment