KLASTERISASI ANALISIS KARAKTERISTIK KECELAKAAN...

ARTIKEL

KLASTERISASI ANALISIS KARAKTERISTIK

KECELAKAAN LALU LINTAS

Oleh:

DWI BAGUS KURNIAWAN

14.1.03.03.0019

Dibimbing oleh :

1. Erna Daniati, M.Kom.

2. Rina Firliana, M.Kom.

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS TEKNIK

UNIVERSITAS NUSANTARA PGRI KEDIRI

TAHUN 2018

Artikel Skripsi

Universitas Nusantara PGRI Kediri

Dwi Bagus Kurniawan | 14.1.03.03.0019 Fak. Teknik – Prodi Sistem Informasi

simki.unpkediri.ac.id || 1||

SURAT PERNYATAAN

ARTIKEL SKRIPSI TAHUN 2018

Yang bertanda tangan di bawah ini:

Nama Lengkap : Dwi Bagus Kurniawan

NPM : 14.1.03.03.0019

Telepon/HP : 085810016932

Alamat Surel (Email) : [email protected]

Judul Artikel : Klasterisasi Analisis Karakteristik Kecelakaan Lalu

Lintas

Fakultas – Program Studi : Fakultas Teknik – Sistem Informasi

Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri

Alamat Perguruan Tinggi : Jl. K.H. Achmad Dahlan no. 76 Kediri

Dengan ini menyatakan bahwa :

a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan

bebas plagiarisme;

b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.

Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari

ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain,

saya bersedia bertanggungjawab dan diproses sesuai dengan ketentuan yang berlaku.

Mengetahui Kediri, 23 Juli 2018

Pembimbing I

Erna Daniati, M.Kom.

NIDN. 0723058501

Pembimbing II

Rina Firliana, M.Kom.

NIDN. 0731087703

Penulis,

Dwi Bagus Kurniawan

NPM. 14.1.03.03.0019

mailto:[email protected]

Artikel Skripsi




KLASTERISASI ANALISIS KARAKTERISTIK

KECELAKAAN LALU LINTAS

Dwi Bagus Kurniawan

NPM. 14.1.03.03.0019

Fak. Teknik – Prodi Sistem Informasi

Email: [email protected]

Erna Daniati, M.Kom. dan Rina Firliana, M.Kom.

UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Satlantas Polres Kediri Kota tahun 2017 mencatat 584 insiden kecelakaan lalu lintas.

Informasi yang direkam pada suatu kecelakaan lalu lintas adalah dimana, kapan, dan bagaimana

kecelakaan terjadi. Hampir seluruh Satlantas memiliki sistem atau mekanisme untuk pengarsipan

kejadian kecelakaan lalu lintas dari waktu ke waktu.

Permasalahan pada penelitian ini adalah bagaimana menentukan tingkat kecelakaan lalu lintas

berdasarkan cluster dan bagaimana analisis karakteristik kecelakaan lalu lintas pada setiap cluster.

Penelitian ini menerapkan data mining dengan menggunakan algoritma K-Means untuk

mengelompokkan data kecelakaan lalu lintas Kabupaten dan Kota Kediri tahun 2017, dengan

memperhatikan jumlah korban, kerugian material, kendaraaan dan pejalan kaki yang terlibat.

Penelitian diterapkan dalam sebuah website dengan framework CodeIgniter.

Pengelompokkan data kecelakaan menjadi 3 cluster berdasarkan tingkat keparahan kecelakaan

yakni: berat, sedang, dan ringan. Pengelompokkan tersebut terdapat 84 insiden kecelakaan tingkat

berat, 409 insiden kecelakaan tingkat sedang, 90 insiden kecelakaan tingkat ringan. Ketiga cluster

tersebut dilakukan analisa berdasarkan karakteristiknya dengan hasil prosentase tertinggi yakni hari:

rabu, sabtu, dan minggu, waktu:06.00 dan 07.00 WIB, bentuk geometri jalan: lurus, kondisi cahaya:

terang atau jelas, serta kondisi cuaca: cerah.

Hasil analisis digunakan sebagai pendukung keputusan dalam upaya pencegahan kecelakaan

lalu lintas, perbaikan infrastruktur lalu lintas, dan antisipasi pada daerah rawan kecelakaan.

KATA KUNCI : kecelakaan lalu lintas, data mining, clustering, algoritma k-means

I. LATAR BELAKANG

Kecelakaan lalu lintas merupakan suatu

peristiwa di jalan raya yang tidak dapat

diduga dan tidak disengaja, melibatkan

kendaraan dengan atau tanpa pengguna jalan

lain yang mengakibatkan korban maupun

kerugian harta benda. Kecelakaan lalu lintas

umumnya terjadi karena berbagai faktor

pelanggaran seperti pelanggaran atau

tindakan tidak hati-hati dari pengguna jalan,

kondisi jalan, kondisi kendaraan, cuaca dan

pandangan terhalang pun bisa menjadi

faktor penyebab kecelakaan.

Angka kecelakaan lalu lintas yang

terjadi di Indonesia disebabkan oleh faktor

manusia sebesar 61 persen dari total

kecelakaan yang terlapor. Selanjutnya

sebesar 9 persen disebabkan karena faktor

kendaraan dan 30 persen disebabkan oleh

faktor prasarana dan lingkungan. Prosentase

mailto:[email protected]

Artikel Skripsi




data kecelakaan yang dilansir dari

Kementrian Perhubungan dan Sekretariatan

Negara. (Liputan6, 2017)

Walaupun faktor manusia merupakan

faktor penyebab utama pada mayoritas

kejadian kecelakaan, namun mengingat

karakteristik dan perilaku manusia yang

bervariasi secara alamiah maka tidaklah

mudah untuk menganalisis pengaruh faktor

manusia pada kejadian kecelakaan serta

tidak ada tindakan penanggulangan yang

dapat secara efektif diterapkan kepada

pengguna jalan. Oleh sebab itu, yang akan

dianalisis adalah karakteristik dari kejadian

kecelakaan yang meliputi waktu kecelakaan,

bentuk geometri jalan raya, kondisi

permukaan jalan, kondisi pencahayaan, dan

kondisi cuaca.

Satuan Lalu Lintas Polisi Resort Kediri

Kota (Satlantas Polres Kediri Kota) pada

tahun 2017 mencatat 584 insiden kecelakaan

lalu lintas. Informasi yang direkam pada

suatu kecelakaan lalu lintas adalah dimana,

kapan, dan bagaimana kecelakaan terjadi.

Hampir seluruh Satlantas memiliki sistem

atau mekanisme untuk pengarsipan kejadian

kecelakaan lalu lintas dari waktu ke waktu.

Penelitian ini mengangkat tema

pengelompokkan data kecelakaan lalu lintas.

Pengelommpokkan tersebut ditujukan untuk

menenentukan tingkat keparahan kecelakaan

dan selanjutnya menganalisis karakteristik

kecelakaan.

II. METODE

Metode analisis data dalam penelitian

menggunakan metode Clustering dengan

algoritma K-Means untuk proses data

mining. Metode tersebut digunakan untuk

mengelompokkan data kecelakaan lalu lintas

berdasarkan jumlah korban, kerugian

material, kendaraan dan pejalan kaki yang

terlibat. Sedangkan Metode pengembangan

sistem menggunakan model prototyping.

III. HASIL DAN PEMBAHASAN

3.1. Data Collection

Data diperoleh dari Polres Kediri Kota,

yakni berupa data kecelakaan lalu lintas

tahun 2017 yang mencakup wilayah Kota

Kediri dan Kabupaten Kediri. Data

berisikan: id_laka, Lokasi Kejadian,

Hari/Tanggal Kejadian, Waktu Kejadian,

Korban Meninggal Dunia, Korban Luka

Berat, Korban Luka Ringan, Kerugian

Materi, Bentuk Geometri Jalan, Kondisi

Permukaan Jalan, Kemiringan Jalan,

Kondisi Pencahayaan, Cuaca, Jumlah

Kendaraan yang Terlibat, dan Pejalan Kaki.

3.2. Proses Data Mining

Sebelum melakukan proses data mining,

dilakukan preprocessing data yakni dengan

penanganan missing value.

Artikel Skripsi




Selanjutnya dilakukan tranformasi data

dengan melakukan normalisasi data dengan

Min-Max Normalization

Keterangan :

nilai normalisasi

nilai data

Max(X) = nilai maksimum dari field

Min(X) = nilai minimum dari field

Tabel 3. 1. Hasil Normalisasi No Md Lb Lr

Kerugian

Material

Jumlah

Kenda-

raan

Pejalan

Kaki

1 0 0 0.2 0.02 0 1

2 0 0 0.2 0.01 0.33333 0

3 0 0 0.4 0.0275 0.33333 0

… … … … … … …

582 0 0 0.6 0.0075 0 0

583 0 0 0.2 0.005 0.33333 0

Proses clustering menggunakan

algoritma K-Means dengan menentukan 3

cluster berdasarkan tingkat keparahan yakni

berat, sedang, dan ringan. Euclidean

distance sebagai penentuan jarak cluster.

√∑

D (x,y) = Jarak data ke x ke pusat cluster y

= Data ke i pada atribut data ke x

= Titik pusat ke i pada atribut ke y

Tabel 3. 2. Hasil Cluster Data

ke C1 C2 C3

Jarak

Terpendek

1 1.158382 1.058983 0.080609 C3

2 0.525534 0.116055 1.054795 C2

3 0.593826 0.087679 1.066652 C1

… …. …. …. ….

582 0.759446 0.437758 1.065932 C2

583 0.525831 0.117270 1.054813 C2

3.3. Desain Sistem

Pada Use Case Diagram terdapat dua

actor yakni actor Administrator dan actor

User. Actor Administrator melakukan

proses-proses yakni terdapat tiga proses,

proses manajemen user, manajemen data

kecelakaan dan login. Sedangkan actor user

melakukan tiga proses yakni proses login,

view data kecelakaan dan view hasil cluster

kecelakaan.

Gambar 3. 1. Use Case Diagram

3.4. Implementasi

Gambar 3. 2. Implementasi Sistem

Penerapan sistem Klasterisasi Analisis

Karakteristik Kecelakaan Lalu Lintas

menggunakan bahasa pemrograman PHP

dengan framework CodeIgnier serta

menggunakan basis data PostgreSQL.

Artikel Skripsi




3.5. Analisis Karakteristik Kecelakaan

1. Hari

Gambar 3. 3. Chart Hari Kejadian

Pada chart tersebut menunjukan bahwa

kejadian kecelakaan tertinggi pada cluster 1

pada hari jum’at, rabu, sabtu dan minggu.

Pada cluster 2 menunjukkan bahwa kejadian

kecelakaan tertinggi pada hari rabu, kamis,

jum’at dan sabtu. Sedangkan pada cluster 3

menunjukkan bahwa kejadian kecelakaan

tertinggi pada rabu, minggu, senin dan

sabtu. Dari ketiga cluster tersebut dapat

disimpulkan bahwa kecelakaan sering terjadi

pada hari rabu, sabtu dan minggu.

2. Waktu

Gambar 3. 4. Waktu Kejadian

Chart tersebut terdapat 3 cluster,

pada cluster 1 menunjukkan kecelakaan

tertinggi terjadi pada pukul 06.00 – 12.00

WIB dan 13.00 – 17.00 WIB. Pada cluster 2

menunjukkan bahwa pukul 06.00 – 12.00

dan 13.00 – 17.00 yang merupakan waktu

yang sering terjadi kecelakaan. Sedangkan

pada cluster 3 menunjukkan kecelakaan

tertinggi pada pukul 06.00 – 12.00 dan 13.00

– 17.00. Dari ketiga cluster menunjukkan

kecelakaan tertingga pada pukul 06.00 –

12.00 dan 13.00 – 17.00.

Gambar 3. 5. Waktu Kejadian per jam

Grafik jumlah kejadian kecelakaan pada

setiap waktu. Pada grafik tersebut dapat

diketahui bahwa kecelakaan paling sering

terjadi pada pukul 07.00 dan 06.00 WIB,

dimana pada waktu tersebut merupakan

rentang waktu berangkat kerja atau sekolah.

3. Bentuk Geometri Jalan

Gambar 3. 6. Bentuk Geometri Jalan

0

5

10

15

20

CLUSTER 1 CLUSTER 2 CLUSTER 3

Hari Kejadian (%)

Minggu

Senin

Selasa

Rabu

Kamis

Jumat

Sabtu

0

10

20

30

40

50


Waktu Kejadian (%)

00.00 - 05.00

06.00 - 12.00

13.00 - 17.00

18.00 - 20.00

21.00 - 23.00

44 45

30

41

18

36 32

26 26

35

26 25

0

10

20

30

40

50

6:0

0

7:0

0

8:0

0

9:0

0

10

:00

11

:00

12

:00

13

:00

14

:00

15

:00

16

:00

17

:00

0

20

40

60

80

100


LURUS

MULTI

TIKUNGAN

SIMPANG +

SIMPANG T

T TDK SEJAJAR

SIMPANG

BUNDARAN

Artikel Skripsi




Pada grafik tersebut menunjukkan data

cluster dengan bentuk geometri jalan,

dimana pada jalan lurus mendominasi dari

setiap cluster. Dalam hal ini maka jalan

dengan bentuk geometri lurus ini

memerlukan perhatian yang lebih. Karena

kejadian-kejadian kecelakaan lalu lintas

banyak terjadi di jalan lurus maka

disarankan memberikan tanda atau

peringatan-peringatan di sekitar area rawan

kecelakaan.

4. Kondisi Pencahayaan Jalan

Gambar 3. 7. Kondisi Pencahayaan Jalan

Kondisi pencahayaan jalan pada malam

hari yang menjadi salah satu karakteristik

kecelakaan lalu lintas menampilkan bahwa

kondisi pencahayaan yang teras/jelas

menjadi faktor yang mendominasi dari

ketiga cluster. Akan tetapi juga perlu

memperhatikan kondisi jalan yang redup

atau samar karena memiliki prosentase yang

cukup tinggi, maka disarankan untuk

menambahkan penerangan jalan pada jalan-

jalan yang memiliki kondisi pencahayaan

redup atau samar.

5. Kondisi Cuaca

Gambar 3. 8. Kondisi Cuaca

Kondisi cuaca pada saat kejadian-

kejadian kecelakaan lalu lintas yang tercetat

dalam data kecelakaan lalu lintas Kabupaten

dan Kota Kediri tahun 2017 ini di dominasi

oleh kondisi cuaca cerah dengan prosentase

diatas 90% pada setiap cluster.

IV. PENUTUP

4.1. Kesimpulan

Pengelompokkan data kecelakaan lalu

lintas Kabupaten dan Kota Kediri menjadi 3

cluster berdasarkan tingkat keparahan

kecelakaan yakni: berat, sedang, dan ringan.

Pengelompokkan tersebut terdapat 84

insiden kecelakaan tingkat berat, 409 insiden

kecelakaan tingkat sedang, 90 insiden

kecelakaan tingkat ringan. Ketiga cluster

tersebut dilakukan analisa berdasarkan

karakteristiknya dengan hasil prosentase

tertinggi yakni hari: rabu, sabtu, dan

minggu, waktu:06.00 dan 07.00 WIB,

bentuk geometri jalan: lurus, kondisi cahaya:

terang atau jelas, serta kondisi cuaca: cerah.

0

20

40

60

80


TERANG/JELAS

GELAP

REDUP/SAMAR

0

20

40

60

80

100

120


CERAH

HUJAN/GERIMIS

BERAWAN

BERKABUT

TIDAK DIKETAHUI

Artikel Skripsi




4.2. Saran

Pengembangan sistem selanjutnya

untuk menyempurnakan maupun

mengembangkan sistem ini, dapat diberikan

saran-saran sebagai berikut :

1. Semakin beragamnya karakteristik

kecelakaan akan semakin baik dan

menghasilkan analisa yang lebih baik

untuk mendukung keputusan.

2. Perlu mengembangkan sistem ini

dengan menambahkan metode prediksi

agar dapat memperkirakan jumlah

kecelakaan yang akan terjadi dimasa

mendatang dengan memanfaatkan data

kecelakaan yang tercatat setiap

periodenya.

3. Pengembangan sistem selanjutnya dapat

diintegrasikan dengan Sistem Informasi

Geografis (SIG).

4. Sistem ini dapat dikembangkan dalam

aplikasi mobile berbasis Android.

V. DAFTAR PUSTAKA

Daniati, E., & Nugroho, A. (2016). K-Means

Clustering with Decision Support

System using SAW : Determining

Thesis Topic. IEEE.

Iswari, L., & Ayu, E. G. (2015, Maret 1).

Pemanfaatan Algoritma K-Means

untuk Pemetaan Hasil Klasterisasi

Data Kecelakaan Lalu Lintas.

Teknoin, 21, 01-11.

Larose, D. T. (2005). Discovering

Knowledge In Data : An Introducing

to Data Mining. Hoboken, New

Jersey: John Wiley & Sons, Inc.

Liputan6. (2017, Agustus 21). Kemenhub: 3

Orang Meninggal Per Jam Akibat

Kecelakaan. Retrieved November

10, 2017, from Liputan6 News:

http://news.liputan6.com/read/30648

10/kemenhub-3-orang-meninggal-

per-jam-akibat-kecelakaan

Ong, J. O. (2013). Implementasi Algoritma

K-Means Clustering Untuk

Menentukan Strategi Marketing

President University. Jurnal Ilmiah

Teknik Industri, 10-20.

Rahmat, B., Gafar, A. A., Fajriani, N.,

Ramdani, U., Uyun, F. R., P., Y. P.,

et al. (2017, April 8). Implentasi K-

Means Clustering pada Rapidminer

untuk Analisis Daerah Rawan

Kecelakaan. Seminar Nasional Riset

Kuantitatif Terapan 2017, 58-63.

Ridlo, M. R., Defiyanti, S., & Primajaya, A.

(2017, Juli 27). Implementasi

Algoritme K-Means Untuk Pemetaan

Produktivitas Panen Padi Di

Kabupaten Karawang. CITEE 2017,

426-433.

Wicaksono, E. A., Kusrini, & Lutfi, E. T.

(2017, Februari 4). Analisis Data

Kerawanan Kecelakaan Lalu Lintas

menggunakan Metode K-Means

(Studi kasus Polres Bantul). Seminar

Nasional Teknologi Informasi dan

Multimedia 2017, 109 - 114.

KLASTERISASI ANALISIS KARAKTERISTIK KECELAKAAN...

Documents

Transcript of KLASTERISASI ANALISIS KARAKTERISTIK KECELAKAAN...