Penerapan Metode Rough Set Theory pada Laka Lantas Sepeda Motor di Kota Magelang Tahun 2014

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₄₄

PENERAPAN METODE ROUGH SET THEORY PADA LAKA LANTAS SEPEDA

MOTOR DI KOTA MAGELANG TAHUN 2014

M. Edi Arifian

1

, RB. Fajriya Hakim

1

Mahasiswa Program Studi Statistika Universitas Islam Indonesia

2

Dosen Program St udi St at ist ika Universit as Islam Indonesia

1

mediarifian@gmail.com, 2hakimf@uii.ac.id

ABSTRAK

Penelit ian ini bert ujuan unt uk m enget ahui bagaim ana pola decision rules yang t ersem bunyi dalam dat a laka lant as sepeda m ot or di Kot a M agelang t ahun 2014. M etode yang digunakan dalam penelitian ini adalah metode Rough Set Theory. M et ode Rough Set Theory adalah suat u pendekat an m at em atis baru unt uk m enganalisa pola dat a yang bersifat sam ar at au t ak past i (Pawlak, 2002). Hasil yang didapat dari penelitian ini berupa karakteristik, kecenderungan dan decision rules dari kejadian laka lantas sepeda motor di Kota M agelang pada tahun 2014. Salah satu Decision Rules yang dihasilkan dalam penelitian ini adalah unt uk lakalantas sepeda m otor hingga m enim bulkan korban m eninggal dunia t erjadi ketika lakalant as di w aktu sore hari, cuacanya cerah, kondisi kepadat an lalu lint as jalan raya yang padat , dan pengendara tidak konsentrasi dalam m engendarai kendaraannya. Decision rules yang dihasilkan memiliki tingkat keakuratan hingga sebesar 90.9%. Nantinya, makalah ini diharapkan dapat digunakan sebagai referensi atau acuan instansi terkait dalam pengambilan kebijakan untuk menekan tingkat laka lantas sepeda motor yang terjadi di Kota M agelang.

Kata Kunci : Laka Lant as Sepeda M ot or ; Rough Set ; Decision Rules

PENDAHULUAN

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₄₅

Sayangnya, tingginya pertumbuhan dan perkembangan jumlah sepeda motor ini belum diikuti

dengan kesadaran soal etika berkendara yang baik dan taat akan peraturan lalu lintas. Hal

tersebut terbukti dari meningkatnya angka kecelakaan lalu lintas pada pengguna sepeda

motor (lakalantas sepeda motor) di Indonesia.

[1]

Data terbaru yang dikeluarkan, World Health

Organization (WHO) menunjukkan Indonesia menempati urutan kelima negara dengan

jumlah kematian terbanyak akibat kecelakaan lalu lintas. Ironisnya, Indonesia justru

menempati urutan pertama peningkatan kecelakaan menurut data Global Status Report on

Road Safety yang dikeluarkan WHO. Selain itu kecelakaan lalu lintas di Indonesia

merupakan penyebab kematian ketiga terbesar setelah penyakit jantung dan tuberculosis.

Lebih dari 70% kasus kecelakaan lalu lintas yang terjadi adalah kecelakaan sepeda motor.

[10]

Kota Magelang sebagai daerah terkecil yang ada di Provinsi Jawa Tengah yang

hanya seluas 18,12 km², pada tahun 2014 tingkat lakalantas sepeda motor yang dilaporkan

masyarakat dan tercatat oleh Unit Kecelakaan Lalu Lintas Polresta Magelang adalah sebesar

82% dari 120 kejadian kecelakaan lalu lintas.

[25]

Berdasarkan data tersebut tingkat lakalantas

sepeda motor di Kota Magelang terbilang tinggi. Oleh karena itu perlu dilakukan upaya dan

penanganan yang serius terkait kejadian oleh berbagai pihak baik dari instansi terkait, dan

kalangan akademisi serta diperlukannya kesadaran oleh masyarakat itu sendiri. Sebagai

instansi terkait yang menangani masalah ini, Satlantas Polres Kota Magelang selama ini telah

melakukan berbagai upaya untuk mengurangi kasus kecelakaan laka lantas sepeda motor,

dengan cara sering melakukan operasi kelengkapan kendaraan hingga penyuluhan dan

pelatihan keselamatan berkendara. Tetapi upaya tersebut masih dirasa belum cukup, masih

perlu dilakukan tindakan lain seperti dibuatnya kajian ataupun penelitian terkait kecelakaan

lalu lintas terutama laka lantas sepeda motor. Atas dasar penjelasan tersebut, maka penulis

merasa perlu membuat makalah penelitian ini. Penelitian ini merupakan penelitian

terbarukan, karena hingga saat ini peneliti belum pernah menemui makalah penelitian terkait

laka lantas sepeda motor di Kota Magelang yang serupa dengan penelitian ini.

Rumusan Masalah

Rumusan yang terbentuk dari permasalahan ini adalah sebagai berikut :

1.

Bagaimana karakteristik Laka lantas sepeda motor yang terjadi di Kota

Magelang periode tahun 2014.

2.

Bagaimana kecenderungan Laka lantas sepeda motor yang terjadi di Kota

Magelang periode tahun 2014.

3.

Bagaimana Decision Rules dari data rekapitulasi Laka lantas sepeda motor

yang terjadi di Kota Magelang periode tahun 2014.

Tujuan Penelitian

Tujuan yang ingin tercapai dalam makalah ini adalah sebagai berikut:

1.

Untuk mengetahui karakteristik laka lantas sepeda motor yang terjadi di Kota

Magelang periode tahun 2014.

2.

Untuk melihat kecenderungan laka lantas sepeda motor yang terjadi di Kota

Magelang periode tahun 2014.

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₄₆ M ETODE PENELITIAN

Penelit ian ini merupakan jenis penelit ian aplikat if. Dim ana dat a yang digunakan dalam penelit ian ini m erupakan dat a sekunder yang diam bil dari Unit Laka Lant as Polres Kot a M agelang pada bulan Januari 2015. Dat a m erupakan rekapit ulasi laporan lakalant as sepeda m ot or di Kot a M agelang t ahun 2014. M et ode analisis yang digunakan dalam penelit ian ini adalah st at ist ik deskript if unt uk menggam barkan karakt erist ik Laka lant as sepeda m ot or di Kot a M agelang dan analisis Rough Set Theory unt uk m elihat decision rules sert a kecenderungan Laka lant as sepeda m ot or di Kot a M agelang. Unt uk m enyelesaikan penelit ian ini digunakan bant uan package RougSet s R soft w are.[4] Dalam analisis Rough Set

Theory ini, m enurut K.Pancerz[19] ada beberapa konsep dasar sekaligus t ahapan yang harus

dilakukan yait u :

a. Sist em inform asi/ keput usan b. Hubungan indiscernibilit y c. Aproksim asi Him punan (Set ) d. Reduksi dat a

e. Decision Rules

HASIL PENELITIAN DAN PEM BAHASAN

Karakteristik Laka Lantas Sepeda M otor Kota M agelang

Pada t ahun 2014 kejadian laka lant as sepeda m ot or di Kot a M agelang yang t ercat at pada Unit LakaLant as Polres Kot a M agelang dan t elah m erenggut korban jiw a sebanyak 8 jiw a, 7 jiw a m engalami luka berat dan 109 jiw a luka ringan. Tot al kerugian m at eriil laka lant as sepeda m ot or di Kot a M agelang sebesar Rp 94.710.000,00. Sepint as keparahan laka lant as sepeda m ot or Kot a M agelang t ersebut t erbilang kecil, nam un dengan luas wilayah hukum yang kecil angka t ersebut dapat dikat akan t erbilang besar. Kejadian laka lant as dan keparahan korban laka lant as sepeda m ot or di Kota M agelang ini m asih saja m enjadi m asalah yang perlu penanganan khusus. Dalam upaya m encegah at au m engurangi kejadian laka lant as sepeda m ot or dan t ingkat keparahan korbannya, inst ansi t erkait (Polisi, Dinas Perhubungan, Dinas Kesehat an dan lainnya) t erlebih dahulu harus m enget ahui karakt erist ik kejadian ini kem udian m encari fakt or-fakt or yang m enjadi penyebab kejadian t ersebut .

[image:4.612.113.509.111.314.2]

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₄₇

Gambar 1. Karakt erist ik laka lant as sepeda m ot or di Kot a M agelang t ahun 2014 Sumber : Dat a sekunder yang diolah

Berdasarkan gam bar diat as, penyebab laka lant as sepeda m ot or di Kot a M agelang didom inasi oleh fakt or m anusia yait u kesalahan dari pengem udi it u sendiri sebesar 55,19%, diikut i oleh fakt or lingkungan jalan yang t idak m endukung sebesar 38,80%, fakt or jalan sebesar 0.06% dan fakt or kendaraan t idak m enjadi fakt or penyebab (0%), karena berdasarkan laporan Unit Laka Lant as Polres Kot a M agelang bahw a pada t ahun 2014 sem ua sepeda m ot or yang m engalami kecelakaan dalam kondisi norm al. Fakt or m anusia/ pengem udi sepeda m ot or yang m enjadi penyebab t erbesar laka lant as sepeda m ot or di Kot a M agelang pada t ahun 2014 t erdiri dari ket idak t ert iban pengem udi t erhadap at uran lalu lint as t ercat at 50 kasus, ket idak priorit asan ant ar sesam a pengguna jalan t ercat at 27 kasus, t idak konsent rasi dalam m engem udi t ercat at 24 kasus, t idak jaga jarak dengan pengendara lain t ercat at 9 kasus.

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₄₈ dalam penelit ian at au t ulisan ini. Adapun hasil dan pem bahasan berdasarkan konsep dasar sekaligus t ahapan analisis Rough Set dalam penelit ian ini akan dijelaskan dibaw ah ini.

Sistem Infomasi Data

[image:5.612.152.487.315.708.2]

Pada penelit ian ini, him punan dat a yang digunakan adalah kejadian Laka Lant as sepeda m ot or dengan hasil t ingkat keparahan korban laka lant as pengguna sepeda M ot or. Dim ana param et er at au variabel dalam him punan dat a ini adalah sebagai berikut :

Tabel 1. Him punan Dat a Keparahan Korban Laka Lant as Sepeda M ot or

NAM A VARIABEL ATRIBUT DOM AIN

Tipe Kepadatan Lalu Lintas (A1) Sepi Padat

1 2 Tipe W aktu Kecelakaan (A2) Dini

Pagi Siang Sore M alam

1 2 3 4 5 Tipe Faktor M anusia (A3) Tidak t ert ib

Tidak Priorit as Tidak Konsent rasi Tidak Jaga Jarak

1 2 3 4 Tipe Kondisi Cuaca (A4) Cerah

Gerimis Hujan

1 2 3 Tipe Kondisi Kelembaban Jalan

(A5)

Kering Basah

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₄₉ Tipe Faktor Jalan (A6) Lurus

M enikung t urun/ naik Pert igaan

Persim pangan Perem pat an Lurus

t urunan/ t anjakan

1 2 3 4 5 6

Tipe Tingkat Keparahan Korban

(Decs)

Luka Ringan Luka Berat M eninggal Dunia

LR LB M D

[image:6.612.151.488.112.333.2]

Pada t abel 1, variabel “ A1, A2, A3, A4, A5, A6” disebut dengan at ribut kondisi (condit ion at t ribut es) dan variabel “ Decs” disebut at ribut konsekuensi (decision at t ribut e). Kem udian unt uk m engklasifikasikan dan reorder at ribut kondisi keparahan korban lakalant as sepeda m ot or ini, m aka him punan dat a t ersebut dibuat sist em inform asi dat a sepert i t abel berikut :

Tabel 2. Sist em inform asi dat a rekapit ulasi laka lant as sepeda m ot or kot a m agelang

Objek A1 A2 A3 A4 A5 A6 Decision

1 Sepi Dini Tidak

Tert ib

Cerah Kering M enikung t urun/ naik

LB

2 Sepi Dini Tidak

Tert ib

Cerah Kering M enikung t urun/ naik

LB

…

… …… …… …… …… …… …… ……

110 Sepi Sore Tidak

Tert ib

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₅₀ Pada proses pengerjaan m enggunakan bant uan soft w are R, penginput an sist em inform asi dat a diat as harus didom ainkan at au diberi pengkodean t erhadap set iap at ribut dari kat egori him punan dat a diat as.

Aproksimasi Himpunan

Dalam sist em keput usan (decision syst em), sangat pent ing unt uk m enem ukan seluruh subset m enggunakan kelas yang ekivalen yait u yang m em punyai nilai kelas yang sam a. Tet api, subset ini t idak selalu didefinisikan dengan t epat (Khairunisa, 2014). M eskipun dem ikian, m engikut i pola dat a at uran t eori rough set pada tabel 2. dapat dijelaskan berdasarkan beberapa pendekat an dengan m engikut i t erm inology yang dihasilkan oleh perhit ungan program R versi 3.1.1. sepert i berikut :

1. Jika dilihat dari sudut pandang t ingkat keparahan korban laka lant as sepeda m ot or “ Luka Ringan” m aka yang t erm asuk dalam :



Him punan Low er Approximat ion Luka Ringan (LR) adalah sebagai berikut : $LR

[1] 38 96 97 99 13 26 27 109 9 10 25 50 51 54 89 65 4 11 12 102 [21] 55 39 45 46 17 19 31 32 33 83 34 35 82 28 40 41 75 76 77 72 [41] 73 74 108 98 63 64 81 49 68 7 30 87 88 85 86 105 100 101 29 43 [61] 52 53 16 110 42 47 48 93 94



Him punan Upper Approximat ion Luka Ringan (LR) adalah sebagai berikut : $LR

[1] 38 96 97 99 13 26 27 109 22 23 9 10 25 50 51 54 89 65 4 11 [21] 12 102 55 44 95 39 45 46 17 19 31 32 33 83 66 67 70 71 84 34 [41] 35 78 79 14 36 37 57 58 59 60 61 62 90 91 92 103 104 107 82 28 [61] 40 41 5 6 15 80 75 76 77 72 73 74 108 98 63 64 81 49 68 20 [81] 21 24 69 7 30 87 88 85 86 105 100 101 29 43 52 53 16 110 42 47 [101] 48 93 94

2. Jika dilihat dari sudut pandang t ingkat keparahan korban laka lant as sepeda m ot or “ Luka Berat ” m aka yang t erm asuk dalam :



Him punan Low er Approximat ion Luka Berat (LB) adalah sebagai berikut : $LB

[1] 1 2 3 56 18



Him punan Upper Approximat ion Luka Berat (LB) adalah sebagai berikut : $LB

[1] 1 2 3 56 66 67 70 71 84 78 79 14 36 37 57 58 59 60 61 62 [21] 90 91 92 103 104 107 5 6 15 80 18

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₅₁



Him punan Low er Approximat ion M eninngal Dunia (M D)) adalah sebagai berikut

$M D [1] 106 8



Him punan Upper Approximat ion M eninngal Dunia (M D) adalah sebagai berikut $M D

[1] 22 23 106 44 95 66 67 70 71 84 8 14 36 37 57 58 59 60 61 62 [21] 90 91 92 103 104 107 20 21 24 69

Sem ent ara it u dari set iap m asing-m asing t ingkat keparahan baik it u Luka Ringan (LR), Luka Berat (LB), M eninggal Dunia (M D). Himpunan Boundary Region nya adalah him punan yang t idak t erm asuk kedalam Him punan Upper Approximat ion at aupun Him punan Low er Approximat ion.

Reduksi Data

Dat a yang berlebihan dapat dipindahkan dari dat a t abel agar dapat m enyederhanakan decision rule m enggunakan t abel dat a yang t elah direduksi. Dalam m ereduksi dat a harus t et ap m enjaga konsist ensi dat a, t anpa m engubah dat a dari t abel. M enggunakan pendekat an dari upper approxim at ion, low er approxim at ion, dan boundary region di dapat t abel sist em inform asi decision baru. Berikut ini adalah t abel decision yang dihasilkan dari perhit ungan program R versi 3.1.1. :

Tabel 3. Sist em inform asi decision baru

A1 A2 A3 A4 A6 D

1 Sepi Dini Tidak Tert ib Cerah M enikung

Turun/ Naik LB

2 Sepi Dini Tidak Tert ib Cerah M enikung

Turun/ Naik LB

3 Sepi Dini Tidak Tert ib Cerah M enikung

Turun/ Naik LR

…

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₅₂

108 Sepi M alam Tidak Tert ib Cerah Lurus LR

109 Padat Pagi Tidak Priorit as Cerah Lurus LR

110 Sepi Siang Tidak Tert ib Cerah Lurus LR

Dari tabel 3. Dapat diket ahui bahw a variabel/ at ribut kondisi (condit ion at t ribut e) yang direduksi adalah Tipe Kondisi Kelem baban Jalan (A5) dikarenakan t idak t erm asuk ke dalam him punan upper approximation at aupun him punan low er approximat ion yang bisa disebut juga sebagai him punan Boundary Region. Sem ent ara unt uk variabel/ at ribut kondisi (condit ion at t ribut e) A1, A2, A3, A4, A6 yang t idak t erreduksi disebut Precious (berharga), dan unt uk variabel/ at ribut keput usan (konsekuensi/ decision at t ribut e) yang t elah dit ent ukan sebelum nya t idak akan direduksi.

Decision Rules

Berikut ini adalah nilai dari “ support ” dan “ laplace” dengan m enggunakan hasil dari perhit ungan m enggunakan bant uan program R versi 3.1.1 :

The type of the considered model:

[1] "RST"

The type of the considered method:

[1] "indiscernibilityBasedRules"

The type of the considered task:

[1] "Classification"

[[1]]

[1] "IF A1 is Padat and A2 is Pagi and A3 is Tidak Prioritas and A4 is Cerah and A6 is

Persimpangan THEN Decs is LR; (support=38;laplace=0.5)"

[[2]]

[1] "IF A1 is Padat and A2 is Malam and A3 is Tidak Tertib and A4 is Cerah and A6 is Lurus

Turunan THEN Decs is LR; (support=96;laplace=0.6)"

[[3]]

[1] "IF A1 is Padat and A2 is Malam and A3 is Tidak Tertib and A4 is Cerah and A6 is Lurus

Turunan THEN Decs is LR; (support=97;laplace=0.6)"

………

…..………..

[[109]]

[1] "IF A1 is Sepi and A2 is Sore and A3 is Tidak Tertib and A4 is Cerah and A6 is Lurus

THEN Decs is LR; (support=93;laplace=0.6)"

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₅₃

[1] "IF A1 is Sepi and A2 is Sore and A3 is Tidak Tertib and A4 is Cerah and A6 is Lurus

THEN Decs is LR; (support=94;laplace=0.6)"

Diket ahui bahw a at uran kondisi (decision rules) “ jika - m aka” (If-Then) yang dapat m engident ifikasi kondisi laka lant as sepeda m ot or ket ika keparahan korban t ert inggi hingga m eninggal dunia (M D) adalah sebagai berikut :

[[23]]

[1] "IF A2 is Padat and A3 is Sore and A4 is Tidak Konsentrasi and A6 is Cerah and A5 is

Menikung THEN A20 is MD; (support=106;laplace=0.5)"

[[49]]

[1] "IF A2 is Sepi and A3 is Malam and A4 is Tidak Konsentrasi and A6 is Hujan and A5 is

Lurus THEN A20 is MD; (support=8;laplace=0.5)"

Berdasarkan hasil perhit ungan diat as m aka dapat diket ahui bahw a t erbent uk 2 at uran kondisi (decision rules) yang m em enuhi ket ika laka lant as sepeda m ot or m erenggut korban jiw a/ m eninggal dunia (M D). At uran kondisi t ersebut adalah sebagai berikut :

1. Jika laka lant as sepeda m ot or t erjadi ket ika dengan kondisi kepadat an lalu lint asnya padat , di w akt u sore hari, pengendara t idak konsent rasi dalam m engendarai m ot ornya, cuacanya cerah dan kondisi jalan m enikung.

2. Jika laka lant as sepeda m ot or t erjadi ket ika dengan kondisi kepadat an lalu lint as sepi, di w akt u m alam hari, pengendara t idak konsent rasi, cuacanya hujan dan kondisi jalan yang lurus.

Cross Validation

[image:10.612.199.450.637.706.2]

M enggunakan dat a sebelum nya dilakukan validasi silang (cross validat ion) prediksi dengan at uran yang didapat kan, sebagai berikut :

Tabel 4. Validasi Silang Laka Lant as Sepeda M ot or

PREDIKSI

LR LB M D

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₅₄

LB 1 6 0

M D 0 0 2

KESIM PULAN

Penelit ian ini m enyim pulkan bahw a penyebab laka lant as sepeda m ot or didominasi oleh fakt or m anusia yait u kesalahan dari pengem udi itu sendiri sebesar 55,19%, diikut i oleh fakt or lingkungan jalan yang tidak mendukung sebesar 38,80%, fakt or jalan sebesar 0.06%. Terbent uk 2 at uran kondisi (decision rules) yang m emenuhi ket ika laka lant as sepeda m ot or m erenggut korban jiw a/ m eninggal dunia (M D) yait u : Jika laka lant as sepeda m ot or t erjadi ket ika dengan kondisi kepadat an lalu lint asnya padat , di w akt u sore hari, pengendara t idak konsent rasi dalam m engendarai m ot ornya, cuacanya cerah dan kondisi jalan m enikung. Jika laka lant as sepeda m ot or t erjadi ket ika dengan kondisi kepadat an lalu lint as sepi, di w akt u m alam hari, pengendara t idak konsent rasi, cuacanya hujan dan kondisi jalan yang lurus. Decision rules laka lant as sepeda m ot or di Kot a M agelang yang dihasilkan m emiliki t ingkat

keakurat an sebesar 90.9%.

DAFTAR PUSTAKA

[1] Adyow at i, P.2014. Tempo.Co Bisnis. Ret rieved from Tem po.Co: ht t p:/ / w w w .t em po.co/ read/ new s/ 2014/ 05/ 27/ 090580666/ Angkut an-Um um -M inim -Sepeda--M ot or--M enggila

[2] Anast asia, I.A., 2010. Penerapan M et ode If –Then Rules Dari Rough Set Theory

Kecelakaan Di Lokasi Pert ambangan (St udi Kasus: PT. PAM APERSADA

NUSANTARA di Jakart a). Yogyakart a: Jurusan St at ist ika Fakult as M at em at ika dan Ilm u Penget ahuan Alam Universit as Islam Indonesia.

[3] Anw ar, R. 2014. Indonesia Peringkat Lima Dunia Tingkat Kecelakaan Lalu Lint as. Ret rieved from RRI.co.id: ht t p:/ / rri.co.id/ post / berit a/ 95107/ nasional/ indo nesia_peringkat _lim a_dunia_t ingkat _kecelakaan_lalu_lint as.ht ml

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₅₅ [5] BPS. 2014. Perkembangan Jumlah Kendaraan Bermot or M enurut Jenis Tahun 1987

-2013. Ret rieved from ht t p:/ / w w w .bps.go.id/ t ab_sub/ view.php?kat =2& t abel

=1& daft ar=1& id_subyek=17& not ab=12

[6] Chen, Y. L., Chen, J. M ., dan Tung, C. W. 2006. A Dat a M ining Approach For Ret ail Know ledge Discovery Wit h Considerat ion Of The Effect Of Self-Space Adjacency On Sales. Decision Support Syst ems, 42, 1503-1520

[7] Dit jen Perhubungan Darat , 2013. Perhubungan Darat Dalam Angka. Jakart a : Kem ent erian Perhubungan Direkt orat Jenderal Perhubungan Darat RI

[8] Dit jen Perhubungan Darat , 2012. Profil dan Kinerja Transport asi Darat .Jakart a : Kem ent erian Perhubungan Direkt orat Jenderal Perhubungan Darat RI

[9] Dit jen Perhubungan Darat . 2006. Buku Pet unjuk Tat a Cara Bersepeda M ot or Di Indonesia.Jakart a :Depart em enPerhubungan RI

[10] Firm ansyah, T. 2014. Survei Kecelakaan Lalu Lint as di Seluruh Dunia: Orang-Orang yang

M at i dalam Diam. Ret rieved from Republika Online:

ht t p:/ / w w w .republika.co.id/ berit a/ koran/ halam an-1/ 14/ 11/ 07/ nenhso57-survei kecelakaanlalulint asdiseluruhduniaorangorangyangm at idalam -diam

[11] Heinrich, Pet ersen, & Ross. 1980. Indust rial Accident Prevent ion (5t hEdit ion). New York : M c. Grow Hill Book Com pany

[12] Heinrich, HW et all 1996. A Safet y M anagement Approach in Indust rial Accident Prevent ion. New York : M c. Grow Hill Book Com pany

[13] Hobbs,F.D. 1995. Traffic Planning and Engineering, 2t h Edit ion, EdisiBahasa Indonesia.Yogyakart a :GadjahM ada Universit y Press

[14] Khairunisa, 2014. Decision Rules Pada Kecelakaan Lalu Lint as Di Kabupat en Sleman Dengan M et ode If-Then Dari Rough Set Theory. Yogyakart a : Jurusan St at ist ika

Fakult as M at em at ika dan Ilm u Penget ahuan Alam Universit as Islam Indonesia [15] Korlant as Polri. 2014. Laporan kecelakaan berdasarkan Polda. Ret rieved from

korlant as-irm s: ht t p:/ / w w w .korlant as-irm s.info/ graph/ accident TypeTable [16] Kusnaw i, 2007. Pengant ar Solusi Dat a M ining. Yogyakart a. Ret rieved from

ht t p:/ / p3m .am ikom.ac.id/ p3m / 56%20%20PENGANTAR%20SOLUSI%20DATA%2 0M INING.pdf

Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 ₉₅₆ [18] M agnani, M at t eo. 2003. Technical Report on Rough Set Theory for Know lege Discovery

in Dat a Bases. Universit y of Bologna, depart m ent of Com put er Science

[19] Pancerz, Zdislaw . 2010. Rough set M et hod for Dat a M ining and Knowledge

Discovery(Lect ure1). Ret rieved from ht t p:/ / sao.w szia.edu.pl/ ~kpancerz/

roughset s.ht m

[20] Paw lak, Zdzislaw . 2002. Primer On Rough Set : A new Approach To Drawing Conclusion From Dat a. Vol. 22:1407

[21] Paw lak, Zdislaw. 2002. Rough Set Theory And It s Aplicat ions. Jurnal of t elecom unicat ion and inform at ion t echnology 3/ 2002

[22] Paw lak, Z., dan Skow ron, A. 2007. Rough Set s: som e ext ensions. Informat ion Sciences Informat ion And Comput er Sciences Int elligent Syst ems Applicat ions, 177, 28-40

[23] Peri, E. 2014. Tingkat Kecelakaan M ot or Sulit Dit ekan. Ret rieved from Sinar Harapan.CO: ht t p:/ / sinarharapan.co/ new s/ read/ 140919076/ t ingkat -kecelakaan -m ot or-sulit -dit ekan-span-span-

[24] Soelaim an, R., Anggraeni, W., & Set iaw an, E. 2008. Penerapan Rough Set Quant itat ive M easure Pada Aplikasi Pendukung Keput usan. seminar nasional (p. 113).

Yogyakart a : Prosiding Sem inar Nasional Teknoin ISBN

[25] Unit LakaLant as Kot a M agelang. 2014. Profil LakaLant as Kot a M agelang. Polres Kot a M agelang