IMPLEMENTASI TEMPORAL DATA MINING UNTUK DESKRIPSI DAN PREDIKSI TINGKAT KECELAKAAN LALU LINTAS DI WILAYAH POLDA METRO JAYA
No Thumbnail Available
Date
2013-04-23
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Implementasi temporal data mining pada umumnya digunakan untuk menganalisis data sehingga dapat menghasilkan sebuah informasi. Clustering dan prediksi sebagai tugas dari temporal data mining dapat digunakan untuk mendeskripsikan dan memprediksikan data faktor penyebab kecelakaan lalu lintas sehingga dapat dibuat sebuah sistem informasi. Agglomerative hierarchical clustering merupakan salah satu metode dari clustering yang digunakan mendiskripsikan wilayah sub satuan kerja Polda Metro Jaya. Model Autoregressive Integrated Moving Average (ARIMA) dapat membantu memprediksikan jumlah kecelakaan lalu lintas pada tahun berikutnya. Pada skripsi ini akan dibuat sistem informasi yang mendeskripsikan wilayah berdasarkan kesamaan karakteristik faktor penyebab kecelakaan lalu lintas dengan bentuk peta digital dan prediksi jumlah kecelakaan lalu lintas pada tahun selanjutnya untuk membantu keselamatan lalu lintas.
Hasil dari clustering dikelompokkan menjadi 3 groups yang mempunyai kesamaan tingkat kecelakaan lalu lintas yaitu tinggi, sedang, dan rendah kemudian ditampilkan pada peta digital dan prediksi jumlah kecelakaan yang terjadi di wilayah Jakarta Selatan pada 5 tahun yang akan datang adalah 560, 658, 573, 646, dan 582 kejadian.
Description
Keywords
Temporal data mining, Agglomerative hierarchical clustering, Kecelakaan lalu lintas