KLASTERISASI TINGKAT PELANGGARAN LALU LINTAS DENGAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS PADA DATA KEPOLISIAN (Studi Kasus: Direktorat Lalu Lintas Polda Malut)

Sadek, Sasmita Hi. Sadek (2024) KLASTERISASI TINGKAT PELANGGARAN LALU LINTAS DENGAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS PADA DATA KEPOLISIAN (Studi Kasus: Direktorat Lalu Lintas Polda Malut). Sarjana thesis, Universitan Khairun.

	Text COVER.pdf - Published Version Download (151kB)
	Text ABSTRAK.pdf - Published Version Download (196kB)
	Text BAB I.pdf - Published Version Download (170kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (165kB)
	Text SKRIPSI_SASMITA HI. SADEK_07352011070.pdf - Published Version Download (4MB)

Abstract

Peningkatan jumlah pelanggaran lalu lintas di Kota Ternate telah menjadi masalah signifikan yang membutuhkan penanganan serius dari pihak kepolisian. Pelanggaran lalu lintas yang terus meningkat tidak hanya menyebabkan kemacetan, tetapi juga meningkatkan risiko kecelakaan dan menurunkan tingkat keselamatan pengguna jalan. Data pelanggaran lalu lintas yang banyak dan belum terorganisir dengan baik menyebabkan kesulitan dalam analisis dan pengambilan keputusan yang efektif. Oleh karena itu, diperlukan metode yang mampu mengelompokkan data pelanggaran lalu lintas secara efisien untuk membantu dalam penegakan hukum dan perencanaan kebijakan. Penelitian ini bertujuan untuk mengelompokkan data pelanggaran lalu lintas di wilayah hukum Kota Ternate tahun 2023 menggunakan algoritma Fuzzy C-Means. Algoritma ini dipilih karena kemampuannya dalam menangani data yang tidak memiliki batas tegas antara klaster satu dengan lainnya. Metodologi penelitian ini melibatkan pengumpulan data pelanggaran lalu lintas dari Direktorat Lalu Lintas Polda Malut, yang kemudian dianalisis menggunakan algoritma Fuzzy CMeans. Dan pada penelitian ini FPC digunakan untuk menentukan jumlah cluster dan berhasil mendapatkan 3 jumlah cluster, karena rekomendasi cluster dari FPC adalah cluster dengan nilai terkecil. Cluster 2 mendapatkan nilai FPC 0.8937, dan cluster 3 mendapat nilai 0.7532, dan cluster 4 mendapat nilai 0.8886, jadi digunakanlah cluster 3 karena memiliki nilai paling kecil. Hasil penelitian menunjukkan bahwa algoritma Fuzzy C-Means berhasil mengelompokkan data pelanggaran lalu lintas ke dalam beberapa klaster dengan karakteristik yang berbeda. Ditemukan bahwa pelanggaran jenis 2 dan 6 adalah yang paling sering terjadi, sementara pelanggaran jenis 1, 3, 4, 5, 7, 8, 10, 11, dan 12 lebih jarang terjadi. Kendaraan jenis motor dan mini bus tercatat sebagai jenis kendaraan yang paling banyak melakukan pelanggaran. Hasil cluster yang di dapat yaitu cluster 0 dengan 5 titik cluster, sedangkan cluster 1 dengan 8 titik cluster sedangkan cluster 2 memiliki 6 titik cluster. Kata Kunci: Lalu Lintas, Fuzzy C-Means, Clustering, Kepolisian.

Actions (login required)

View Item