• Tidak ada hasil yang ditemukan

BAB I PENDAHULUAN

N/A
N/A
Protected

Academic year: 2023

Membagikan "BAB I PENDAHULUAN"

Copied!
5
0
0

Teks penuh

(1)

1 1.1. Latar Belakang Masalah

Pertumbuhan jumlah penduduk di Indonesia sangatlah pesat, terbukti dengan terjadinya kenaikan jumlah penduduk pada tahun 2019 yang diproyeksikan mencapai 266,91 juta jiwa. Menurut jenis kelamin, jumlah tersebut terdiri atas 134 juta jiwa laki-laki dan 132,91 juta jiwa perempuan (Supas, 2015). Kenaikan jumlah penduduk mengakibatkan meningkatnya jumlah kebutuhan akan kendaraan bermotor terutama kendaraan pribadi. Masyarakat lebih memilih menggunakan kendaraan pribadi karena dinilai lebih fleksibel dan juga lebih ekonomis. Peningkatan jumlah kendaraan mengakibatkan terjadinya permasalahan transportasi seperti pelanggaran lalu lintas yang cukup tinggi sehingga memicu terjadinya kecelakaan lalu lintas.

Kecelakaan lalu lintas masih menjadi salah satu penyumbang angka kematian yang besar di Indonesia. Laporan terbaru WHO menyebutkan, korban jiwa yang melayang akibat kecelakaan lalu lintas mencapai 1,35 juta jiwa pertahun. Direktorat Lalu Lintas Polda Metro Jaya mencatat jumlah kecelakaan yang terjadi selama periode Januari hingga November 2018 mencapai 5400 kejadian kecelakaan lalu lintas yang diantaranya 524 meninggal dunia, 804 korban luka berat, 5237 korban luka ringan. Namun pada kenyataan dilapangan data tersebut bisa saja bertambah karena seringkali masyarakat enggan untuk melaporkan kejadian kecelakaan lalu lintas ke pihak yang berwenang. Dari data tersebut dapat disimpulkan bahwa jalan raya masih menjadi tempat yang mematikan bagi pengguna jalan raya (Kesuma, 2018).

(2)

Data kecelakaan lalu lintas yang ada di pihak kepolisian didapat dari laporan polisi pada saat terjadinya kecelakaan lalu lintas, sehingga dari laporan tersebut menyebabkan menumpuknya data kecelakaan lalu lintas. Pengelompokan data kecelakaan lalu lintas sangat penting untuk dilakukan, karena akan memudahkan pihak polisi khususnya Unit LAKA LANTAS (Kecelakaan Lalu Lintas) Polres Tasikmalaya Kota dalam upaya penanganan yang tepat untuk mengurangi angka kecelakaan lalu lintas.

Pada penelitian kali ini penulis melakukan pengelompokan data menggunakan metode clustering karena didasarkan dari beberapa penelitian terdahulu yang membuktikan bahwa metode clustering dapat mengelompokan sejumlah data yang besar dengan baik. Penelitian acuan pertama adalah penelitian yang dilakukan oleh Muningsih & Kiswati (2015) dengan memanfaatkan teknik data mining khususnya metode clustering untuk mengelompokkan produk yang dijual pada online shop Ragam Jogja menjadi beberapa cluster yang bertujuan untuk mengetahui produk mana yang paling diminati sehingga jumlah stok harus banyak, produk diminati untuk jumlah stok sedang dan produk kurang diminati untuk jumlah stok sedikit. Metode yang digunakan pada penelitian ini adalah metode K-Means yang merupakan salah satu metode terbaik dan paling popular dalam algoritma clustering dimana k-means mencari partisi yang optimal dari data dengan meminimalkan kriteria jumlah kesalahan kuadrat dengan prosedur iterasi yang optimal. Sedangkan untuk penelitian acuan kedua yang dilakukan oleh Rohmawati et al., (2015) menyimpulkan bahwa algoritma k-means lebih cocok digunakan pada dataset dengan format atribut yang dimodifikasi keseluruhan.

(3)

Berdasarkan permasalahan yang ada, maka pada kesempatan kali ini akan dilakukan penelitian terhadap data kecelakaan lalu lintas yang didapat dari Polres Tasikmalaya Kota. Data tersebut akan dikelompokan dengan metode clustering menggunakan algoritma k-means dengan hasil yang diharapkan adalah berupa informasi mengenai kelompok data kecelakaan lalu lintas berdasarkan waktu terjadinya kecelakaan sehingga dapat diketahui penyebab dari kecelakaan yang terjadi di kota Tasikmalaya.

1.2. Identifikasi Masalah

Berdasarkan permasalahan di atas, identifikasi masalah yang akan penulis jadikan bahan penelitian adalah sebagai berikut:

1. Menumpuknya data kecelakaan lalu lintas di Polres Tasikmalaya Kota.

2. Perlu adanya pengelompokan data kecelakaan yang lengkap agar dapat menemukan informasi penting dalam upaya pengurangan angka kecelakaan.

1.3. Maksud dan Tujuan

Maksud dari penulisan skripsi ini adalah sebagai berikut:

1. Menerapkan ilmu data mining khususnya teknik clustering pada penelitian pengelompokan data kecelakaan lalu lintas menggunakan algoritma k-means.

2. Mengetahui waktu terjadinya kecelakaan lalu lintas di wilayah kota Tasikmalaya.

Tujuan dari penulisan skripsi ini yaitu sebagai salah satu syarat kelulusan Program Strata Satu (S1) program studi Sistem Informasi pada Universitas BSI Bandung.

(4)

1.4. Metode Penelitian

Metode penelitian merupakan langkah penting dalam penyusunan skripsi.

Metode yang penulis gunakan untuk mewujudkan hasil akhir yang baik, yaitu:

a. Observasi

Penulis melakukan pengamatan secara langsung pada objek penelitian dengan menyalin data korban kecelakaan lalu lintas dan mengamati faktor apa saja yang memicu terjadinya kecelakaan di wilayah kota Tasikmalaya.

b. Studi Pustaka

Penulis mempelajari literatur dari penelitian terdahulu mengenai teori data mining dengan metode clustering menggunakan algoritma k-means dari buku- buku, jurnal, internet dan literatur lainnya untuk melengkapi teori yang dibutuhkan tanpa melewatkan penulisan sumbernya.

c. Wawancara

Penulis melakukan tanya jawab langsung mengenai upaya yang saat ini dilakukan untuk mengurangi jumlah kecelakaan lalu lintas yang terjadi di wilayah kota Tasikmalaya.

(5)

1.5. Ruang Lingkup

Guna menjaga fokus penelitian agar lebih terarah dan mendapatkan hasil yang sesuai sasaran, maka ruang lingkup pembahasannya yaitu:

1. Penerapan data mining untuk pengelompokan data kecelakaan lalu lintas menggunakan algoritma k-means, sehingga semua langkah-langkah perhitungannya sesuai dengan algoritma yang digunakan.

2. Data yang diolah yaitu data korban kecelakaan lalu lintas pada tahun 2018 yang diperoleh dari Unit Kecelakaaan Lalu Lintas Polres Tasikmalaya Kota.

3. Variabel yang digunakan sesuai dengan data yang didapat pada saat penelitian di Polres Tasikmalaya Kota.

4. Pengujian dilakukan pada aplikasi Rapidminer versi 9.0.

Referensi

Dokumen terkait

Setiap data akan dikelompokkan pada klaster dengan titik pusat yang terdekat dari data tersebut.[4][5] Algoritma K-Means juga digunakan untuk pengelompokkan data (cluster),

Peserta didik mampu memahami pengertian,ciri-ciri, dan fungsi teks laporan hasil observasi berdasarkan informasi yang mereka peroleh dari berbagai sumber dengan mandiri.. Peserta