• Tidak ada hasil yang ditemukan

ANALISIS KLASTERISASI PELANGGARAN LALU LINTAS MENGGUNAKAN ALGORITMA K-PROTOTYPE - Teknokrat Repository

N/A
N/A
Protected

Academic year: 2024

Membagikan "ANALISIS KLASTERISASI PELANGGARAN LALU LINTAS MENGGUNAKAN ALGORITMA K-PROTOTYPE - Teknokrat Repository"

Copied!
7
0
0

Teks penuh

(1)

1.1. Latar Belakang

Transportasi merupakan salah satu unsur penting dalam sistem kehidupan masyarakat dan dapat menentukan keefektifan suatu daerah. Peningkatan jumlah penduduk memiliki pengaruh yang besar terhadap laju transportasi. Transportasi dan mobilitas perpindahan penduduk menjadi hal yang tidak dapat dipisahkan.

Perpindahan penduduk dan kegiatan ekonomi yang dilakukan sangat bergantung pada sistem transportasi yang digunakan. Transportasi adalah sarana penghubung atau yang menghubungkan antara daerah produksi dan pasar, atau dapat dikatakan mendekatkan daerah produksi dan pasar, atau seringkali menjembatani produsen dengan konsumen (Fatimah, 2019). Transportasi atau pengangkutan dapat didefenisikan sebagai suatu proses pergerakan atau perpindahan orang atau barang dari suatu tempat ke tempat lainnya dengan menggunakan suatu teknik atau cara tertentu untuk maksud dan tujuan tertentu. Transportasi juga merupakan seluruh proses, yakni proses gerak, proses pindah, proses mengangkut dan mengalihkan dimana proses ini tidak dapat dilepaskan dari keperluan akan alat pendukung untuk menjamin lancarnya proses perpindahan sesuai dengan waktu yang diinginkan.

Transportasi berperan dalam mendorong, menunjang dan mendukung semua aspek kehidupan baik dalam pembangunan ekonomi, sosial budaya, politik dan pertahanan keamanan.

(2)

Peningkatan jumlah penduduk disertai dengan peningkatan aktivitas penduduk menyebabkan meningkatnya kebutuhan akan kendaraan. Seiring dengan pertumbuhan penduduk yang terus meningkat, berdampak dengan meningkatnya jumlah kendaraan di Indonesia. Jumlah penduduk yang terus meningkat berakibat pada meningkatnya jumlah pergerakan atau mobilitas masyarakat dalam rangka pemenuhan kebutuhan hidupnya (Anshori and Nuraini, 2020). Peningkatan jumlah kendaraan terjadi seiring bertambahnya jumlah penduduk karena kendaraan dibutuhkan untuk memfasilitasi pergerakan masyarakat. Menurut (Hutabarat et al., 2022), seiring dengan pertumbuhan penduduk dan perkembangan ekonomi, banyak negara-negara berkembang yang mengalami peningkatan signifikan dalam jumlah motor dan mobil. Transportasi atau kendaraan merupakan kebutuhan turunan akibat adanya aktivitas ekonomi, sosial, budaya, dan sebagainya. Jumlah penduduk merupakan salah faktor yang dapat mempengaruhi permintaan suatu barang. Data yang dihimpun dari Badan Pusat Statistik (BPS) jumlah kendaraan bermotor di Indonesia sebanyak 126.508.776 jumlah ini naik 5.9% dari tahun sebelumnya yang meningkat sekitar 7.586.068 kendaran. Data pada Badan Pusat Statistik (BPS) dari tahun 2015-2018 mengalami peningkatan setiap tahunnya, dengan rincian kendaraan pada tahun 2018 yaitu Mobil penumpang 14.830.698, Mobil bis 222.872, Mobil barang 4.797.254, dan Sepeda motor 106.657.952. Kutzbach (2010) menegaskan bahwa peningkatan ini akan berdampak besar terkait dengan transportasi, seperti polusi, kemacetan dan kecelakaan di jalan raya (termasuk yang menyebabkan kematian).

(3)

Peningkatan jumlah penduduk disertai dengan peningkatan aktivitas penduduk menyebabkan meningkatnya kebutuhan akan kendaraan. Terjadinya pelanggaran lalu lintas merupakan salah satu bentuk problematika yang sering menimbulkan permasalahan di jalan raya, seperti kecelakaan dan kemacetan. Salah satu penyebab tingginya kasus pelanggaran lalu lintas adalah kurangnya pengetahuan dan kesadaran pengguna kendaraan dalam mematuhi peraturan lalu lintas. Faktor-faktor yang sering menyebabkan pelanggaran lalu lintas adalah faktor manusia, kendaraan dan jalan raya.

Masih tingginya kasus pelanggaran lalu lintas di Indonesia salah satunya di Kotabumi memiliki kasus pelanggaran lalu lintas masih terbilang relatif tinggi hal ini dapat dilihat pada Pengadilan Negeri Kotabumi yang memiliki kasus pelanggaran yang tidak sedikit. Dapat dilihat dari data pelanggaran lalu lintas yang ada pada website resmi milik Pengadilan Negeri Kotabumi tahun 2019 pada tiap bulannya. Pada bulan Januari terdapat data 1443, bulan Februari 753, bulan Maret 746, bulan April 506, bulan Mei 196, bulan Juni 123, bulan Juli 2114, bulan Agustus 3750, bulan September 3364, bulan Oktober 1252, bulan November 2287, bulan Desember 242, dan jumlah data pelanggaran pada tahun 2019 sebanyak 16.776 data, angka ini terbilang cukup tinggi. Dari data tersebut dapat diketahui bahwa jumlah pelanggar lalu lintas masih relatif tinggi. Permasalahan yang dihadapi Pengadilan Negeri Kotabumi juga dialami oleh Pengadilan Negeri Dumai (Elisawati et al., 2019) dengan kasus pelanggaran sebanyak 8986 pada tahun 2017. Dimana data-data pelanggaran tersebut belum dikelompokkan, sehingga belum diketahui jenis pelanggaran apa saja yang kerap kali dilanggar oleh pengendara. Jenis pelanggaran lalu lintas yang banyak dilanggar oleh pengguna jalan berupa pelanggaran dalam hal

(4)

kedisplinan berkendara seperti tidak memakai helm, tidak menggunakan sabuk pengaman untuk pengguna kendaraan roda empat, tidak dilengkapi dengan surat-surat berkendara, dan tidak mematuhi rambu-rambu lalu lintas.

Banyaknya data pelanggaran lalu lintas pada Pengadilan Negeri Kotabumi maka data tersebut akan diolah dengan menggunakan data mining. Penerapan data mining pada data pelanggaran lalu lintas yaitu untuk mempermudah pengelompokan data-data pelanggaran lalu lintas dan menentukan pola cluster dengan menggunakan algoritma K-Prototype yang nantinya dapat dikelompokkan dan dianalisis. Data mining juga merupakan metode yang digunakan dalam pengolahan data berskala besar oleh karena itu data mining memiliki peranan yang sangat penting dalam beberapa bidang kehidupan diantaranya yaitu bidang industri, bidang keuangan, cuaca, ilmu dan teknologi (Sari, Wanto, & Windarto, 2018). Algoritma K-Prototype adalah algoritma pengklusteran yaitu penggabungan antara algoritma K-Means yang berupa data numerik dan algoritma K-Modes yang berupa data kategorikal. Sehingga K-Prototype dapat diterapkan pada data berukuran besar dan data bertipe numerik maupun kategorikal. Secara keseluruhan algoritma K-Prototype memberikan hasil clustering yang lebih baik, dimana tingkat kesamaan ciri-ciri cluster menjadi lebih erat atau mirip. Berdasarkan hasil simulasi yang telah dilakukan maka dapat diambil kesimpulan bahwa secara umum algoritma K-Prototype dapat mempertahankan efisiensi algoritma K-means dalam menangani data berukuran besar tetapi menghilangkan keterbatasan penerapan hanya pada data numerik namun dapat diterapkan pada data kategorikal. Sehingga K-Prototype memberikan hasil clustering

(5)

yang lebih baik karena dapat memberikan ciri atau karakteristik yang lebih mirip dalam cluster yang terbentuk (Nooraeni et al., 2019).

Merujuk pada penelitian sebelumnya, penelitian ini memfokuskan pada algoritma K-Prototype yang akan digunakan untuk pengelompokan, menganalisa data dan untuk mengetahui keefektifan algoritma K-Prototype. Data yang akan digunakan yaitu data pelanggaran lalu lintas selama satu tahun pada tahun 2020 dan atribut yang digunakan sebanyak 4 atribut. Sebagaimana penulis uraikan diatas tentang pelanggaran lalu lintas yang kerap kali terjadi di Kotabumi kabupaten Lampung Utara, oleh karena itu penulis tertarik untuk melakukan penelitian dengan judul: “Analisa Klasterisasi Pelanggaran Lalu Lintas Menggunakan Algoritma K-Prototype (Studi Kasus : Di Pengadilan Negeri Kotabumi)”.

1.2. Rumusan Masalah

Berdasarkan latar belakang maka penulis dapat mengambil suatu rumusan masalah yaitu:

1. Bagaimana cara menggunakan dan mengimplementasikan algoritma K- Prototype dalam mengelompokkan kasus pelanggaran lalu lintas di Pengadilan Negeri Kotabumi?

2. Apakah algoritma K-Prototype dapat digunakan untuk mengelompokkan data pelanggaran lalu lintas di Pengadilan Negeri Kotabumi?

(6)

1.3. Batasan Masalah

Adapun batasan masalah pada penelitian ini agar pembahasan yang dibuat terarah dan tidak meluas, berikut merupakan batasan masalah yang dibuat oleh penulis:

1. Data yang digunakan adalah data pelanggaran lalu lintas selama 1 tahun pada tahun 2020 di Pengadilan Negeri Kotabumi.

2. Algoritma yang digunakan adalah algoritma K-Prototype.

3. Pengolahan data menggunakan 4 atribut yaitu jenis pelanggaran, jenis kendaraan, denda dan bukti.

4. Tools yang digunakan yaitu Python.

1.4. Tujuan Penelitian

Tujuan penelitian ini adalah mengelompokkan dan menganalisa data pelanggaran lalu lintas pada tahun 2020 di Pengadilan Negeri Kotabumi dengan menggunakan algoritma K-Prototype.

1.5. Manfaat Penelitian

Adapun manfaat dari penelitian ini, sebagai berikut :

1. Diharapkan dapat dijadikan referensi bagi mahasiswa yang ingin melakukan penelitian data mining menggunakan algoritma K-Prototype.

2. Dapat mengetahui bagaimana cara dalam menggunakan dan mengimplementasikan algoritma K-Prototype, guna mempermudah dalam mengetahui jenis pelanggaran yang kerap kali dilakukan oleh pengendara.

(7)

3. Dapat menjadi pengingat masyarakat bahwa masih tingginya kasus pelanggaran lalu lintas, yang diharapkan masyarakat dapat mentaati peraturan lalu lintas dan hasil dari penelitian ini diharapkan akan dipergunakan dalam membuat kebijakan-kebijakan atau sosialisasi di masa depan, untuk menanggulangi tingkat pelanggaran lalu lintas.

Referensi

Dokumen terkait

Penanggulangan Pelanggaran Lalu Lintas Oleh Pengendara Sepeda.. Motor Di Kota Yogyakarta. Penulis memfokuskan pada Upaya. Kepolisian Dalam Menanggulangi Pelanggaran

23 Berpedoman pada pengertian tentang pelanggaran dan pengertian lalu lintas diatas, maka dapat diambil kesimpulan bahwa yang dimaksud dengan pelanggaran lalu lintas

Dengan adanya pelanggaran lalu lintas yang begitu banyak terjadi di jalan raya, maka diharuskan mempunyai peraturan serta penerapan sanksi denda terhadap pelanggaran lalu

(2).Kurangnya sosialisasi dari penerapan aplikasi e-tilang dalam penindakan pelanggaran lalu lintas serta pembayaran denda pelanggaran lalu lintas di Polres Magelang

12 Berpijak pada pengertian tentang pelanggaran dan pengertian lalu lintas diatas, maka dapat diambil kesimpulan bahwa yang dimaksud dengan pelanggaran lalu lintas adalah

Hasil penelitian ini menunjukkan bahwa pelanggaran lalu lintas yang dilakukan oleh anak masih sering terjadi faktor-faktor yang menyebabkan tingginya pelanggaran lalu

Sistem klasterisasi data kecelakaan lalu lintas dengan metode K-Means dapat digunakan untuk mengelompokkan obyek jalan berdasarkan kesamaan karakteristik pada jumlah

Akan tetapi di dalam kenyataannya tidak sedikit pengemudi yang melakukan hal itu, khususnya anak di bawah umur sehingga kerap pelanggaran lalu lintas tersebut menimbulkan kecelakaan