Analisis dan Visualisasi Pola Kecelakaan Lalu Lintas Di Kota Bengkulu Berbasis Python Gui
Keywords:
AnalisisData, Visualisasi, Kecelakaan Lalu Lintas, Python,Tkinter,GUI, BlackBox Testing, SUSAbstract
Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem analisis dan visualisasi pola kecelakaan lalu lintas di Kota Bengkulu berbasis Python GUI. Sistem dibangun untuk mengatasi keterbatasan analisis data kecelakaan yang masih bersifat konvensional dan sulit mengidentifikasi pola tersembunyi secara cepat. Data yang digunakan adalah dataset kecelakaan lalu lintas dari Satlantas Polresta Bengkulu periode 2024–2025 sebanyak 372 rekaman dengan 43 variabel. Sistem dibangun menggunakan bahasa pemrograman Python dengan pustaka Tkinter untuk antarmuka, Pandas untuk pengolahan data, serta Matplotlib dan Seaborn untuk visualisasi. Fitur utama meliputi ringkasan statistik, 7 jenis grafik visualisasi, peta sebaran titik kecelakaan (scatter map dan density map), data tabel interaktif dengan filter, analisis lanjutan (korelasi, tren, hotspot, laporan otomatis), serta fitur ekspor ke Excel, gambar, dan Word. Pengujian fungsional menggunakan Black Box Testing terhadap 30 skenario menunjukkan hasil 100% berhasil (PASS), dan pengujian usabilitas menggunakan System Usability Scale (SUS) terhadap 15 responden petugas kepolisian menghasilkan skor rata-rata 78,33 dengan kategori "Good" (Grade B). Sistem yang dikembangkan mampu memberikan informasi akurat dan rekomendasi berbasis data, seperti identifikasi Kecamatan Selebar sebagai wilayah paling rawan (61 kasus), jam sibuk 07:00–08:00 sebagai waktu kritis, serta OOC Kiri sebagai tipe kecelakaan terbanyak.
References
Ade Rahayu. (2025). Metode Penelitian dan Pengembangan (R&D): Pengertian, Jenis dan Tahapan. DIAJAR: Jurnal Pendidikan dan Pembelajaran, 4(3), 459–470. https://doi.org/10.54259/diajar.v4i3.5092
Aldy Nifratama, & Tri Suratno. (2024). Analisis dan Evaluasi Pengujian pada Penerapan Metode Prototype dalam Software Engineering. Jurnal Ilmiah Media Sisfo, 18(1), 128–138. https://doi.org/10.33998/mediasisfo.2024.18.1.1649
Dewi, A. R. H. P., & Cahyono, A. B. (2024). Sistem Informasi Geografis untuk Visualisasi Daerah Rawan Kecelakaan Lalu Lintas Jalan Arteri Primer Kota Surabaya. Kokoh, 22(2), 115–126., R. (2023). Sistem Deteksi Api Berbasis CCTV menggunakan Metode Segmentasi Citra. SEMIOTIKA, 2(1), 16–21. https://doi.org/10.17509/k.v22i2.72829
Firdaus, M. A. A., Kartika, D. S. Y., & Najaf, A. R. E. (2025). Analisis Pola Kecelakaan Lalu Lintas Menggunakan Algoritma Apriori dan FP-Growth Studi Kasus: Satlantas Polrestabes Surabaya. Jurnal Mahasiswa Sistem Informasi (JMSI), 6(2), 241–253. https://doi.org/10.24127/jmsi.v6i2.8997
Firdaus, M. A. A., et al. (2025). Analisis Pola Kecelakaan Lalu Lintas Menggunakan Algoritma Apriori dan FP-Growth. JMSI, 6(2), 241–253. https://doi.org/10.24127/jmsi.v6i2.8997
Hidayat, W., et al. (2024). Analisis Daerah Rawan Kecelakaan Lalu Lintas Menggunakan Metode Cluster Analysis Kabupaten Maros. JILMATEKS, 6(1), 113–121. https://doi.org/10.33096/9qt5fy63
Japit, S., et al. (2025). Pemanfaatan Pandas, NumPy, Spark, dan Tableau/Power BI dalam Pengolahan dan Visualisasi Big Data untuk Mendukung Pengambilan Keputusan. Jurnal Minfo Polgan, 14(1), 452–456. https://doi.org/10.33395/jmp.v14i1.14762
Kariyana, I. M. K., et al. (2024). Analisis Biaya Korban Kecelakaan Lalu Lintas Transportasi Darat di Kota Denpasar Tahun 2021. JMTS: Jurnal Mitra Teknik Sipil, 7(3), 925–930. https://doi.org/10.24912/jmts.v7i3.29258
Latifah, L. L., et al. (2022). Analisis Daerah Rawan Kecelakaan Lalu Lintas Menggunakan Cluster Analysis di Kota Bogor Berbasis WebGIS. JITTER, 8(2). https://doi.org/10.33197/jitter.vol8.iss2.2022.760
Najwa, A., et al. (2024). Pendekatan Descriptive Analysis Berbasis Data untuk Mengevaluasi Kecelakaan Lalu Lintas di Indonesia. Animator, 2(3), 44–58. https://animator.uho.ac.id/index.php/journal/article/view/1241
Oktania, Z., & Prianggono, J. (2025). Analisis Klasifikasi Kecelakaan Lalu Lintas di Polresta Bogor Kota Menggunakan Metode K-Nearest Neighbor (KNN) dan Naïve Bayes (NB). Action Research Literate, 9(5), 917–925. https://doi.org/10.46799/arl.v9i5.2961
Rudresh Deepak Shirwaikar. (2024). Predicting Accident Severity using Machine Learning. Journal of Electrical Systems, 20(6s), 2733–2746. https://doi.org/10.52783/jes.3282
Sari, R. Y., & Widayani, P. (2023). Pola Persebaran Kasus Kecelakaan Lalu Lintas di Kabupaten Kulonprogo, D.I. Yogyakarta. Jurnal Informasi, 1. https://doi.org/10.22146/jisph.74602
Setiyani, S. H., & Rahma, Y. (2025). Pengaruh Penggunaan Visualisasi Data Interaktif Berbasis Python terhadap Pemahaman Konsep Statistika pada Mahasiswa Informatika. JSIT, 1(1), 27–37. https://jurnal.mifandimandiri.com/index.php/jsit/article/view/264
Siregar, S. R., Nasution, M. S., & Harahap, S. (2026). Pemanfaatan Teknologi Informasi dalam Peran Polisi Lalu Lintas Polsek Padang Bolak dalam Meningkatkan Kesadaran Hukum bagi Pengendara di Bawah Umur. Jurnal Teknik Informatika dan Teknologi Informasi, 6(1), 58–68. https://doi.org/10.55606/jutiti.v6i1.6566
Vatresia, A. (2022). Analisa Clustering Tingkat Rawan Kecelakaan dengan Fuzzy C-Means. JSAI (Journal Scientific and Applied Informatics), 5(1), 28–35. https://doi.org/10.36085/jsai.v5i1.2823
World Health Organization. (2023). Global Status Report on Road Safety 2023. World Health Organization. https://doi.org/10.2471/B09120
