PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TINGKAT KEPARAHAN KORBAN KECELAKAAN LALU LINTAS DI KABUPATEN PATI JAWA TENGAH

Wisdayani, Dwi Selvy, B2A218033 (2019) PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TINGKAT KEPARAHAN KORBAN KECELAKAAN LALU LINTAS DI KABUPATEN PATI JAWA TENGAH. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text 6. Abstrak.pdf Download (341kB) | Preview
Preview	Text 12. BAB I.pdf Download (363kB) | Preview
Preview	Text 13. BAB II.pdf Download (530kB) | Preview
	Text 14. BAB III.pdf Restricted to Repository staff only Download (476kB) | Request a copy
	Text 15. BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text 16. BAB V.pdf Download (343kB) | Preview
Preview	Text 17. Daftar Pustaka.pdf Download (351kB) | Preview
Preview	Text Jurnal Ilmiah.pdf Download (1MB) | Preview

Abstract

Kata Kunci : kecelakaan lalu lintas, klasifikasi, K-Nearest Neighbor, Naive Bayes Kecelakaan lalu lintas merupakan masalah yang membutuhkan penanganan serius karena besarnya kerugian yang mengakibatkan korban manusia dan kerugian harta benda. Klasifikasi dapat diselesaikan dengan menggunakan teknik data mining. Untuk mengklasifikasikan tingkat keparahan kecelakaan lalu lintas, peneliti menerapkan algoritma Naive Bayes dan K-Nearest Neighbor. Metode Naive Bayes dipilih karena dapat menghasilkan akurasi yang maksimal dengan data latih yang sedikit. Sedangkan metode K-Nearest Neighbor dipilih karena metode tersebut tangguh terhadap data noise. Algoritma Naive Bayes dan K-Nearest Neighbor adalah dua algoritma yang memiliki tingkat akurasi yang tinggi. Tingkat akurasi yang terbaik di antara kedua algoritma ini dapat diketahui dengan cara melakukan perbandingan menggunakan Rapidminer. Perbandingan algoritma bertujuan untuk mendapatkan algoritma yang dianggap paling baik pada proses klasifikasi suatu permasalahan. Penelitian ini akan membandingkan hasil klasifikasi dari dua algoritma tersebut untuk mengetahui algoritma mana yang memiliki kinerja paling baik dalam memprediksi berdasarkan nilai akurasi. Hasil dari penelitian ini diperoleh K-Nearest Neighbor memiliki nilai akurasi sebesar 88.82 %, nilai recall sebesar 60.43 %, nilai error sebesar 11.18 %, nilai precision sebesar 64.37 % dan nilai f-measure sebesar 62.33 %. Sehingga agoritma K-Nearest Neighbor lebih baik digunakan dalam klasifikasi tingkat keparahan kecelakaan lalu lintas di Pati Jawa Tengah.

Actions (login required)

View Item