IMPLEMENTASI ALGORITMA K-MEANS PADA DATA PELANGGARAN LALU LINTAS DI PENGADILAN NEGERI PURWODADI

LESTIAN, ARDIANATA CAHYA (2016) IMPLEMENTASI ALGORITMA K-MEANS PADA DATA PELANGGARAN LALU LINTAS DI PENGADILAN NEGERI PURWODADI. Skripsi,Fakultas Ilmu Komputer.

Preview

PDF Download (4Kb) | Preview

Abstract

Ketertiban berlalu lintas dijalan sangatlah penting bagi pengendara di jalan raya, kurangnya kesadaran pengguna kendaraan bermotor di daerah Purwodadi dan buruknya pengendara akan kedisiplinan berlalu lintas serta rendahnya pengetahuan akan kedisiplinan berlalu lintas para pemakai jalan membuat tingkat pelanggaran tata tertib berlalu lintas dalam berkendara di jalan raya selalu meningkat sehingga mebuat banyaknya data tilang (bukti pelanggaran) yang diterima oleh Pengadilan Negeri Purwodadi dari pihak kepolisian semakin menumpuk. Pada penelitian ini bertujuan untuk mengelompokan dan mencari daerah yang sering paling banyak melanggar lalu intas dengan menggunakan data sebanyak 2371 data pelanggaran lalu lintas menggunakan metode K-Means dengan atribut alamat, pasal yang dilanggar, jenis, barang bukti dan denda. Hasil dari penelitian ini juga dapat dimanfaatkan untuk kemudian dapat ditindak lanjuti dengan diadakannya sosialisasi guna menekan angka pelanggaran berlalu lintas. Dari hasil pengujian, dapat disimpulkan bahwa dari tiga cluster yaitu cluster C1 dengan anggota data 861 dihasilkan analisa daerah yang sering melanggar yaitu pada daerah Kecamatan Purwodadi dengan pasal yang di langgar : pasal 287, Jenis : SPM, Barang Bukti : STNK, Denda : Sub. 3 hr. Kur. Op.. C2 dengan anggota data 1179 dihasilkan analisa daerah yang sering melanggar yaitu pada daerah Kecamatan Purwodadi dengan pasal yang di langgar : pasal 281 (1 s/d 6), Jenis : SPM, Barang Bukti : STNK, Denda : Sub. 3 hr. Kur. Op.. C3 dengan anggota data 331 dihasilkan analisa daerah yang sering melanggar yaitu pada daerah Kecamatan Purwodadi dengan pasal yang di langgar : pasal 293 (1) (2), Jenis : SPM, Barang Bukti : STNK, Denda : Sub. 3 hr. Kur. Op.. Dan dengan pengujian cluster2 dan 3 diperoleh nilai pengujian DBI untuk cluster 2 yaitu 0,873 dan untuk cluster 3 yaitu 0,751, karena nilai DBI dari cluster 3 lebih kecil maka cluster tersebut bisa disebut optimal.

Actions (login required)