Wahidaturrohman, Rizky (2025) PREDIKSI KEADAAN LALU LINTAS DI JAKARTA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus : Jln.Ciledug Raya). Undergraduate thesis, Universitas Satya Negara Indonesia.

	Text Rizky Wahidaturrohman - 210100014 (ABSTRAK).pdf Download (2MB)
	Text Rizky Wahidaturrohman - 210100014 (BAB 1).pdf Download (398kB)

Abstract

Kemacetan lalu lintas di Jakarta menjadi permasalahan utama yang disebabkan oleh pertumbuhan jumlah kendaraan yang pesat tanpa diimbangi kapasitas jalan yang memadai. Kondisi ini menimbulkan dampak negatif berupa peningkatan konsumsi bahan bakar, polusi udara, serta penurunan produktivitas masyarakat. Penelitian ini bertujuan untuk membangun model prediksi keadaan lalu lintas berbasis data historis dengan menggunakan algoritma K-Nearest Neighbors (K-NN) untuk mengklasifikasikan kondisi lalu lintas di Jalan Ciledug, Jakarta Selatan ke dalam tiga kategori, yaitu lancar, sedang, dan padat. Data penelitian diperoleh dari Traffic Prediction Dataset milik ERI Korlantas Polri dengan variabel utama meliputi hari, jam, volume kendaraan, dan cuaca. Tahapan penelitian mencakup pembersihan data, rekayasa fitur, normalisasi menggunakan Min-Max Normalization, penyeimbangan kelas dengan Synthetic Minority Oversampling Technique (SMOTE), serta evaluasi model menggunakan metode k-fold cross-validation. Hasil penelitian menunjukkan bahwa model K-NN dengan nilai k = 7 mampu mencapai akurasi sebesar 91,27% pada data uji dengan nilai precision, recall, dan F1-score di atas 0,84. Model ini diharapkan dapat menjadi landasan pengembangan sistem informasi berbasis kecerdasan buatan untuk mendukung pengelolaan lalu lintas perkotaan yang lebih efektif dan efisien.

Actions (login required)

View Item