1 BAB I PENDAHULUAN
1.1 Latar Belakang Masalah
Badan Pusat Statistika menyatakan bahwa angka kecelakaan lalu lintas yang terjadi di Indonesia sangat tinggi, penyebabnya adalah semakin banyaknya jumlah kendaraan bermotor dari berbagai jenis serta melibatkan pelaku atau korban dari berbagai usia. Angka kecelakaan yang semakin meningkat mengakibatkan semua pihak merasa perlu melakukan pencegahan agar mengurangi terjadinya kecelakaan lalu lintas [1]. Pemerintah telah banyak melakukan usaha penanggulangan kecelakaan lalu lintas, diantaranya pemberian rambu – rambu lalu lintas namun masalah tersebut tidak dapat terselesaikan dengan mudah. Kecelakan lalu lintas membutuhkan penanganan serius mengingat besarnya kerugian yang diakibatkan [2].
Kecelakaan lalu lintas adalah salah satu topik yang senantiasa menjadi pokok pembicaraan di masyarakat. Secara statistik, angka kecelakaan lalu lintas dominan meningkat dari tahun ke tahun. Data Kepolisian RI menyebutkan pada tahun 2012 terjadi 117.949 kecelakaan lalu lintas di Indonesia dengan 29.544 orang tewas. Angka kecelakaan ini meningkat 8,51% dibandingkan tahun sebelumnya. Bahkan jika ditinjau dari perbandingan dua tahun sebelumnya terdapat peningkatan jumlah kecelakaan lalu lintas sebesar 63% (BPS, 2014).
Kecelakaan dibagi menjadi dua yaitu kecelakaan yang bersifat teknologi, mekanis, atau fisik, seperti kondisi kerja yang tidak aman, dan kecelakaan yang disebabkan oleh tindakan yang tidak aman. Kelompok pertama sering diperkirakan meliputi 15% dari keseluruhan kecelakaan, sedangkan kelompok kedua mencakup 85% dari keseluruhan kecelakaan.Untuk mengklasifikasikan sebagian besar kecelakaan sedemikian rupa sehingga tindakan tidak aman dari pekerja tidak dianggap sebagai penyebab utama tapi faktor di mana upaya untuk mencegah terulangnya kecelakaan harus dihentikan [3].
2
Studi terhadap 75.000 kasus kecelakaan dan menyebutkan rasio 88:10:2. Hal ini berarti bahwa 88% dari semua kecelakaan tersebut disebabkan tindakan tidak aman, 10% karena kondisi tidak aman, dan 2%
karena kondisi yang tidak dapat dicegah. Sesungguhnya kecelakaan merupakan akibat sejumlah faktor yang saling terhantung satu sama lain [3].
Undang-undang RI Nomor 22 Tahun 2009 tentang Lalu Lintas dan Angkutan Jalan (LLAJ) menyebutkan bahwa kecelakaan lalu lintas adalah suatu peristiwa di jalan yang tidak diduga dan tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan korban manusia dan/atau kerugian harta benda [4].
International Labour Organization (ILO) yang diterbitkan dalam peringatan hari keselamatan dan kesehatan kerja sedunia pada 28 Aplil 2010, tercatat babwa setiap tahunnya lebih dari 2 juta orang meninggal akibat kecelakaan dan penyakit akibat kerja. Sekitar 160 juta orang menderita penyakit akibat kerja dan terjadi sekitar 270 juta kasus kecelakaan kerja pertahun diseluruh dunia. Sedangkan menurut data Kemenakertrans, angka kecelakaan kerja pada tahun 2009 mencapai 96.513 kasus, pada semester 1 tahun 2010 angka kecelakaan kerja mencapai 53.267 kasus. Hampir 70%
kecelakaan kerja didominasi kecelakaan di jalan raya saat pergi maupun pulang dari tempat kerja. Setiap tahun ditargetkan angka kecelakaan kerja 50% lebih sedikit dibandingkan tahun sebelumnya[5].
Data kecelakaan Polrestabes Kota Semarang menyatakan bahwa kecelakaan lalu lintas dari tahun ke tahun mengalami peningkatan yang cukup tinggi. Jumlah peningkatan kejadian kecelakaan lalu lintas terjadi di tahun 2010 sampai 2014 kecelakaan tertinggi pada tahun 2012 sebanyak 1049 kasus kecelakaan kendaraan bermotor.
Jumlah kendaraan bermotor yang setiap tahunnya mengalami kemajuan yang sangat pesat, dapat meningkatkan terjadinya kecelakaan lalu lintas karena beberapa factor yaitu kondisi lalu lintas kendaraan yang cenderung padat sehingga banyak pengendara yang melanggar marka jalan, pengendara sepeda motor yang tidak memakai helm dan peralatan keamanan
3
lainnya, pengendara yang menggunakan telepon seluler saat berkendara, menikung dengan kecepatan tinggi dan masih banyak faktor yang menyebabkan kecelakaan lalu lintas.
Berdasarkan faktor-faktor karakteristik yang ada di dataset yaitu jumlah kecelakaan, jumlah kendaraan yang terlibat, jumlah korban kecelakaan dalam suatu rentan waktu tertentu. Data tersebut akan diolah dengan menggunakan data mining, data tersebut digunakan untuk menghitung klasifikasi dan clustering data kecelakaan di Kota Semarang. Ada beberapa metode data mining salah satunya yaitu klasifikasi dan clustering. Klasifikasi merupakan metode dengan menggunakan data dengan target (Class/label) yang berupa nilai kategorikal/nominal. Sedangkan clustering merupakan metode pengelompokkan data yang ada ke dalam beberapa kelompok. Dalam perkembangan klasifikasi terdapat beberapa algoritma yaitu salah satunya adalah Naïve Bayes, dan untuk clustering menggunakan algoritma K-Means.
K-Means merupakan metode penganalisaan kelompok data yang mengarah pada pembagian N obyek pengamatan ke dalam K kelompok (cluster), dimana setiap obyek memiliki sebuah kelompok dengan mean (rata- rata) dan metode ini mencoba untuk menemukan pusat dari kelompok (centroid) dalam data sebanyak iterasi perbaikan yang dilakukan [6].
Naïve Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema atau aturan bayes dengan asumsi independensi yang kuat pada fitur, artinya bahwa sebuah fitur pada sebuah data tidak berkaitan dengan ada atau tidaknya fitur lain dalam data yang sama. Sehingga merupakan salah satu algoritma klasifikasi yang sederhana, cepat namun memiliki akurasi tinggi [7].
Masing-masing algoritma dalam proses klasifikasi memiliki kekurangan dan kelebihan dalam tiap pengujiannya. Tetapi tujuan dari masing-masing algoritma adalah sama yaitu melakukan suatu pengujian data sehingga di akhir pengujian maka akan menghasilkan suatu prediksi setiap vector masukan ke label kelas output dengan tepat. Klasifikasi digunakan untuk mengukur tingkat akurasi dataset [8].
4
Dari penelitian yang dilakukan oleh Mrutyunjaya Panda dan Mana R. Patra (2007) menyatakan bahwa kinerja algoritma naïve bayes lebih efisien digunakan dalam mengklasifikasi data. Teknik yang digunkan dalam mengkasifikasi Teknik algoritma Bayesian yang digunakan adalah klasifikasi Naïve Bayes, metode klasifikasi Naïve Bayes yang sering disebut sebagai Naïve Bayes Classifier (NBC) dimana teknik ini dikenal sebagai teknik yang paling baik dalam hal waktu komputasi dibandingkan teknik algoritma data mining lainnya [9].
Contoh hasil uji coba algoritma Naïve Bayes dengan Support Vector Machine menunjukan bahwa nilai akurasi terkecil 78% dihasilkan pada pengujian dengan sampel sebanyak 100 dan menghasilkan nilai akurasi tinggi 91,60% pada pengujian dengan sampel sebanyak 13106. Hasil pengujian dengan perangkat lunak Rapid Miner 5.1 diperoleh nilai akurasi terkecil 72%
dengan sampel sebanyak 100 dan nilai akurasi tertinggi 93,58% dengan sampel 13106 untuk metode naive bayesian classification. Sedangkan untuk metode support vector machine diperoleh nilai akurasi terkecil 92% dengan sampel sebanyak 100 dan nilai akurasi tertinggi 99,11% dengan sampel sebanyak 13106 [10].
Proses klasifikasi dilakukan untuk mengetahui resiko kecelakaan kendaraan bermotor di Kota Semarang agar mengetahui wilayah mana saja yang rawan terjadi kecelakaan. Tetapi proses klasifikasi belum bisa dilakukan karena data training yang akan diolah belum ada labelnya sehingga dibutuhkan clustering menggunakan algoritma k-means untuk pelabelan data training.
Dalam pelabelan tidak boleh dilakukan secara manual, kalau datanya hanya sedikit tidak masalah tetapi masalahnya datanya sampai ribuan tidak mungkin dilakukan secara manual, karena nantinya dapat mempersulit proses klasifikasi sehingga digunakan clustering untuk memudahkan dalam pengolahan data training untuk klasifikasi.
Dari uraian diatas penelitian ingin mengklasifikasi dengan menggunakan algoritma naïve bayes, sebelum klasifikasi dilakukan penulis
5
melakukan clustering menggunakan algoritma K-Means untuk memberikan label pada data training. Karena data yang di dapat dari Kasatlantas Polrestabes Semarang Barat belum ada labelnya sehingga perlu dilakukan pelabelan. Data yang sudah dikelompokkan kemudian dapat diklasifikasi menggunakan algoritma naïve bayes.
Dengan metode algoritma Naïve Bayes maka penulis ingin menguji berapa besar tingkat akurasi dataset yang sudah ada dari Polrestabes Kota Semarang untuk mengklasifikasi data-data kecelakaan lalu lintas di Kota Semarang dan penentuan status daerah Kota Semarang yang rawan terhadap kecelakaan, maka penulis ingin melakukan penelitian untuk Tugas Akhir yang berjudul “PELABELAN DATA TRAINING ALGORITMA NAÏVE
BAYES MENGGUNAKAN ALGORITMA K-MEANS UNTUK
KLASIFIKASI RESIKO KECELAKAAN KENDARAAN BERMOTOR DI KOTA SEMARANG”.
1.2 Rumusan Masalah
1. Belum adanya klasifikasi resiko kecelakaan kendaraan bermotor di Kota Semarang menggunakan Algoritma Naïve Bayes.
2. Belum adanya pelabelan pada data training sehingga menyebabkan proses klasifikasi menjadi lama.
1.3 Batasan Masalah
1. Dataset yang digunakan adalah data kecelakaan kendaraan bermotor di Kota Semarang dari tahun 2014 – 2015.
2. Data yang dipakai adalah 2 kejadian kecelakaan, contohnya sepeda motor dengan mobil, sepeda motor dengan sepeda motor, sepeda motor dengan truck.
3. Hasil dari penelitian ini adalah menampilkan nilai tingkat akurasi dan penentuan status daerah Kota Semarang yang rawan terhadap kecelakaan.
6 1.4 Tujuan Penelitian
1. Mengklasifikasi wilayah di Kota Semarang yang mempunyai resiko tinggi kecelakaan lalu lintas.
2. Menerapkan algoritma K-Means untuk membantu proses pelabelan pada data training.
1.5 Manfaat Penelitian
1. Dengan menggunakan algoritma Naïve Bayes dapat mengetahui klasifikasi tingkat akurasi resiko kecelakaan lalu lintas di Kota Semarang.
2. Dapat digunakan sebagai referensi dalam melakukan penelitian yang sama menggunakan algoritma Naïve Bayes. Dapat meningkatkan kesadaran akan bahaya kecelakaan lalu lintas terutama untuk kendaraan bermotor agar dapat lebih berhati-hati ketika berkendara.
3. Dapat membantu kepolisian dalam mengklasifikasi daerah di Kota Semarang yang rawan terhadap kecelakaan.
