Algoritma CPAR untuk Analisa Data Kecelakaan (Studi pada Kepolisian Daerah Sulawesi Tenggara)
AbstrakKecelakaan 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...
Saved in:
| Main Authors: | , |
|---|---|
| Other Authors: | |
| Format: | EJournal Article |
| Published: |
IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.,
2014-07-31.
|
| Subjects: | |
| Online Access: | Get Fulltext Get Fulltext |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| LEADER | 04184 am a22002773u 4500 | ||
|---|---|---|---|
| 001 | IJCSS_6547 | ||
| 042 | |a dc | ||
| 100 | 1 | 0 | |a Ransi, Natalis |e author |
| 100 | 1 | 0 | |a IndoCEISS |e contributor |
| 700 | 1 | 0 | |a Winarko, Edi |e author |
| 245 | 0 | 0 | |a Algoritma CPAR untuk Analisa Data Kecelakaan (Studi pada Kepolisian Daerah Sulawesi Tenggara) |
| 260 | |b IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia., |c 2014-07-31. | ||
| 500 | |a https://jurnal.ugm.ac.id/ijccs/article/view/6547 | ||
| 520 | |a AbstrakKecelakaan 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 Abstract Traffic accident in Southeast Sulawesi needs to get treatment more effective. One of the handling is analysis of traffic accident characteristic and then it was related to the death. Analysis of trafiic accident characteristics can be done with the approach factors the cause of the accident, the kind of an accident, and time genesis.This Research apply CPAR algorithm on the data mining to analyze the characteristics of traffic accident. CPAR Algorithm produce Class Association Rules (CARs) that used to describe traffic accident characteristics related to the death.Results of research, that the factors that caused the victim died in traffic accident is human factors (driving under the influence of alcohol and driving exceed the speed) and environmental factors physical (road infrastructure and damaged roads with elbow). Types of accidents (in the singular and home-front), time genesis (on 8-14, reported Monday and Tuesday, hours 1:00 pm-6:59 pm), the type of vehicle (motorcycle), potentially causing the death toll in the case laka then. Motorcycle drivers are prone to fall victim in that case laka then. Testing accuracy using 10-fold cross validation test result show that on average these accuracy algorithm CPAR 48.75%, higher than the algorithm PRM 41.13%. Keywords- data mining, CPAR algorithm, traffic accident | ||
| 540 | |a Copyright (c) 2014 IJCCS - Indonesian Journal of Computing and Cybernetics Systems | ||
| 540 | |a http://creativecommons.org/licenses/by-sa/4.0 | ||
| 546 | |a eng | ||
| 655 | 7 | |a info:eu-repo/semantics/article |2 local | |
| 655 | 7 | |a info:eu-repo/semantics/publishedVersion |2 local | |
| 655 | 7 | |2 local | |
| 786 | 0 | |n IJCCS (Indonesian Journal of Computing and Cybernetics Systems); Vol 8, No 2 (2014): July; 201-212 | |
| 786 | 0 | |n 2460-7258 | |
| 786 | 0 | |n 1978-1520 | |
| 787 | 0 | |n https://jurnal.ugm.ac.id/ijccs/article/view/6547/5141 | |
| 856 | 4 | 1 | |u https://jurnal.ugm.ac.id/ijccs/article/view/6547 |z Get Fulltext |
| 856 | 4 | 1 | |u https://jurnal.ugm.ac.id/ijccs/article/view/6547/5141 |z Get Fulltext |