Analisa Clustering Tingkat Rawan Kecelakaan Dengan Fuzzy C-Means
DOI:
https://doi.org/10.36085/jsai.v5i1.2823Abstract
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 kerugian harta benda, baik dari kecelakaan yang tergolong ringan sampai dengan kecelakaan yang tergolong berat. Saat ini kecelakaan telah menjadi penyebab kematian cukup banyak di Indonesia khususnya di daerah Kota Bengkulu. Maka dari itu tujuan penelitian ini adalah membangun sistem clustering tingkat rawan kecelakaan menggunakan algoritma Fuzzy C-Means clustering di Kota Bengkulu berbasis web dengan framework CodeIgneter. Clustering tingkat rawan kecelakaan berdasarkan ruas jalan di Kota Bengkulu menjadi 3 (tiga) kelompok yaitu: 1) aman, 2) cukup rawan, dan 3) rawan. Dari 85 data indikator dapat clustering menggunakan Algoritma Fuzzy C-Means clustering berdasarkan 7 kriteria yaitu: jumlah kasus kecelakaan, jumlah meninggal dunia, jumlah luka berat, jumlah luka ringan, jumlah kecelakaan berat, jumlah kecelakaan sedang dan jumlah kecelakaan ringan. Dan hasil perhitungan fungsi obyektif sampai pada kondisi berhenti yang tercapai pada iterasi ke-70 adalah sebagai berikut: tingkat rawan kecelakaan ditentukan dengan 3 (tiga) cluster yaitu (i) ruas jalan yang tergolong cluster rawan terdapat 11 ruas jalan, (ii) ruas jalan yang tergolong cluster cukup rawan terdapat 33 ruas jalan, (iii) ruas jalan yang tergolong cluster aman terdapat 42 ruas jalsan berdasarkan 7 kriteria dengan perhitungan algoritma Fuzzy C-Means clustering.References
H. Herawati, “Karakteristik Dan Penyebab Kecelakaan Lalu Lintas Di Indonesia Tahun 2012,†War. Penelit. Perhub., vol. 26, no. 3, 2019.
A. Zanuardi and H. Suprayitno, “Analisa Karakteristik Kecelakaan Lalu Lintas di Jalan Ahmad Yani Surabaya melalui Pendekatan Knowledge Discovery in Database,†J. Manejemen Aset Infrastruktur Fasilitas, vol. 2, no. 1, 2018.
E. T. Pujiastutie and E. Diana, “Karakteristik kecelakaan dan solusi penanganan untuk mengurangi angka kecelakaan di kota bengkulu,†Res. Rep., 2016.
L. NOVIYANTI, H. SUMARNO, and P. SIANTURI, “ANALISIS FAULT TREE DAN APLIKASINYA PADA MASALAH KECELAKAAN LALU LINTAS DI PROVINSI BENGKULU,†J. Math. Its Appl., vol. 13, no. 1, 2014.
A. D. Saputra, “Studi Tingkat Kecelakaan Lalu Lintas Jalan di Indonesia Berdasarkan Data KNKT (Komite Nasional Keselamatan Transportasi) dari Tahun 2007-2016,†War. Penelit. Perhub., vol. 29, no. 2, 2018.
K. Benmouiza and A. Cheknane, “Clustered ANFIS network using fuzzy c-means, subtractive clustering, and grid partitioning for hourly solar radiation forecasting,†Theor. Appl. Climatol., vol. 137, no. 1–2, 2019.
S. Qaiyum, I. Aziz, J. Jaafar, and A. K. L. Wong, “Ant colony optimization of interval Type-2 Fuzzy C-Means with subtractive clustering and multi-round sampling for large data,†Int. J. Adv. Comput. Sci. Appl., vol. 10, no. 1, 2019.
B. Abdeljabar, L. Rahmani, B. Mebrouk, and B. Kada, “Estimating daily diffuse solar radiation using neuro-fuzzy, fuzzy C-means and subtractive clustering: Case study: Adrar, Algeria,†in PervasiveHealth: Pervasive Computing Technologies for Healthcare, 2020.
J. Lu, D. Bai, N. Zhang, T. Yu, and X. Zhang, “Fuzzy case-based reasoning system,†Appl. Sci., vol. 6, no. 7, 2016.
B. N. Haqiqi and R. Kurniawan, “ANALISIS PERBANDINGAN METODE FUZZY C-MEANS DAN SUBTRACTIVE FUZZY C-MEANS,†MEDIA Stat., vol. 8, no. 2, 2015.
S. Sinanović and D. H. Johnson, “Toward a theory of information processing,†Signal Processing, vol. 87, no. 6, 2007.
S. Silva, L. Alçada-Almeida, and L. C. Dias, “Development of a web-based multi-criteria spatial decision support system for the assessment of environmental sustainability of dairy farms,†Comput. Electron. Agric., vol. 108, pp. 46–57, 2014.
