2019 : Identifikasi Faktor Jenis Pelanggaran Lalu Lintas Menggunakan Multinomial Logistics Regression dan Multiclass Decision Trees

Ir. Sri Pingit Wulandari M.Si.
Noviyanti Santoso S.Si., M.Si.

External link

Type

RESEARCH

Keywords

-


Abstract

Lemahnya kesadaran masyarakat terhadap peraturan berlalu-lintas terlihat dari rendahnya tingkat kedisiplinan masyarakat dalam berkendara, sehingga melahirkan budaya tidak disiplin pada masyarakat. Kurang sadarnya masyarakat dalam hukum berlalu-lintas dapat dilihat dalam perilaku seperti semakin meningkatnya pelanggaran lalu lintas oleh pengendara motor. Berdasarkan UU LLAJ No.22 tahun 2009 pelanggaran lalu lintas dikategorikan menjadi tiga yaitu pelanggaran ringan, sedang, dan berat. Pada penelitian sebelumnya telah banyak digunakan metode Multinomial Logistics Regression untuk mendapatkan faktor-faktor terjadinya pelanggaran lalu lintas berdasarkan jenisnya, namun belum ada metode data mining yang dicobakan untuk menganalisis lebih lanjut untuk meningkatkan akurasi dari penentuan faktor tersebut. Multiclass Decision Trees merupakan salah satu metode data mining yang sesuai untuk mengidentifikasi permasalahan multi kelas. Pada penelitian ini digunakan dua metode untuk membandingkan performa sehingga dapat menentukan faktor yang menentukan pengklasifikasian terjadinya pelanggaran lalu lintas. Hasil penelitian ini diharapkan mampu menjadi bahan pertimbahan untuk membuat kebijakan sebagai upaya preventif dalam mengurangi pelanggaran lalu lintas yang berakibat pada kecelakaan bahkan kematian.