ANALISA KECELAKAAN LALU LINTAS MENGGUNAKAN METODE ALGORITMA C4.5 DAN NAÃVE BAYES (STUDI KASUS DI KABUPATEN PONOROGO)
DOI:
https://doi.org/10.24269/jkt.v2i1.69Keywords:
Kecelakaan Lalu Lintas, Weka, Algoritma C4.5, Naïve BayesAbstract
Penelitian ini menerapkan metode data mining yang kemudian dilakukan komparasi dari dua metode yang berbeda yaitu Algoritma C4.5 dan Naïve Bayes yang dikaji untuk memperoleh nilai akurasi yang terbaik berdasarkan data kecelakaan lalu lintas yang ada di Kota Ponorogo untuk mengetahui penyebab kecelakaan lalu lintas dengan kategori faktor pengemudi, faktor jalan, faktor cuaca dan faktor kendaraan. Kedua algoritma tersebut dibantu dengan perangkat lunak Weka yang berbasis Open Source (GPL) dan berengine Java. Maka hasil pengujian kedua algoritma tersebut diuji menggunakan Confusion Matrix dan Kurva ROC (Receiver Operating Characteristic), menunjukkan algoritma C4.5 nilai Accuracy sebesar 88.2609% dan nilai AUC (Area Under Curve) sebesar 0.996 untuk algoritma Naïve Bayes nilai accuracy sebesar 86.5217% dan nilai AUC (Area Under Curve) sebesar 0.9496. Sehingga algoritma C4.5 merupakan metode yang terbaik sebab nilai Accuracy dan AUC yang tertinggi.
References
Badan Pusat Statistik (2015), Ponorogo Dalam Angka 2015. Hlm 3 dan 43 (Katalog BPS : 1102001.3502)
Gorunescu, Florin, Data Mining (2011): Concepts, Models, and Techniques, Verlag Berlin Heidelberg : Springer.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques Third Edition. Waltham: Morgan Kaufmann.
Harahap, G. (1995), Masalah Lalu lintas dan Pengembangan Jalan (DPU). Bandung.
Kabir, M. F., Rahman, C. M., Hossain, A., & Dahal, K. (2011). Enhanced Classification Accuracy on Naive Bayes Data Mining Models.
Kusrini, & Emha Taufiq Luthfi. (2009). Algoritma Data Mining. Yogyakarta: Andi.
Santoso, Budi (2007). Data mining Teknik Pemanfaatan Data untuk Keperluan Bisnis, Yogyakarta : Graha Ilmu
Sulistiana Feri, Juju Dominikus (2010), Data Mining Meramalkan Bisnis Perusahaan, Jakarta
