Identifikasi Kondisi Permukaan Jalan Menggunakan K-Means Clustering

Authors

  • Siti Asmiatun Universitas Semarang
  • Nur Wakhidah Universitas Semarang
  • Astrid Novita Putri Universitas Semarang

Keywords:

k-means, clustering, kecelakaan, kondisi jalan

Abstract

Kecelakaan lalu lintas merupakan salah satu penyebab utama kematian atau penyakit pada manusia. Peristiwa Kecelakaan lalu lintas menjadi salah satu permasalahan global yang membutuhkan penanganan serius. Hal ini terjadi karena perkembangan infrastruktur tidak seimbang dengan sector lain seperti industry dan pembangunan perumahan. Penelitian ini memfokuskan cara pengolahan data dengan mengelompokkan data-data yang didapat dari sensor accelerometer menggunakan metode K-means. Metode K-means sendiri dikenal sebagai salah satu metode yang menghasilkan tingkat akurasi tinggi. Dari data yang digunakan jumlah 638 data telah berhasil dikelompokkan menjadi 4 cluster yang dapat menunjukkan tingkat frekuensi jalan kondisi baik, sedang, rusak ringan dan rusak berat. Tingkat akurasi yang dihasilkan dari penerapan metode sebanyak 83% yang artinya metode K-Means cukup akurat dalam mengelompokkan kondisi jalan.

Downloads

Download data is not yet available.

References

N. D. Arumsari, A. L. Nugraha, dan M. Awaluddin, “Pemodelan Daerah Rawan Kecelakaan Dengan Menggunakan Cluster Analysis,” J. Geod. Undip, vol. 5, hlm. 10, 2016.

S. Djaja, R. Widyastuti, K. Tobing, D. Lasut, dan J. Irianto, “Gambaran Kecelakaan Lalu Lintas Di Indonesia, Tahun 2010-2014,” vol. 15, no. 1, hlm. 13, 2016.

Yadi Utama, “Sistem Pendukung Keputusan Untuk Menentukan Prioritas Penanganan Perbaikan Jalan Menggunakan Metode Saw Berbasis Mobile Web,” J. Sist. Inf., vol. 5, no. 1, hlm. 566–584, Apr 2013.

U. B. Shouvik Mani,Edgar Xi, “Intelligent Pothole Detection and Road Condition Assessment,” Conference: Data for Good Exchange 2017, At New York, NY, 2017.

A. Kulkarni, N. Mhalgi, S. Gurnani, dan D. N. Giri, “Pothole Detection System using Machine Learning on Android,” vol. 4, no. 7, hlm. 5, 2014.

S. Kumar dan D. Toshniwal, “A data mining approach to characterize road accident locations,” J. Mod. Transp., vol. 24, no. 1, hlm. 62–72, Mar 2016.

P. Arora, Deepali, dan S. Varshney, “Analysis of K-Means and K-Medoids Algorithm For Big Data,” Procedia Comput. Sci., vol. 78, hlm. 507–512, 2016.

A. Primajaya dan B. N. Sari, “Random Forest Algorithm for Prediction of Precipitation,” Indones. J. Artif. Intell. Data Min., vol. 1, no. 1, hlm. 27, Mar 2018.

Published

2020-03-20

How to Cite

[1]
S. Asmiatun, N. Wakhidah, and A. N. Putri, “Identifikasi Kondisi Permukaan Jalan Menggunakan K-Means Clustering”, SENTER, pp. 23-30, Mar. 2020.