Nugraha, Febrian Pramudya - 215410012 (2025) PREDIKSI TINGKAT KEPARAHAN CEDERA AKIBAT KECELAKAAN LALU LINTAS DENGAN RANDOM FOREST. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text
1_215410012_HALAMAN_DEPAN.pdf - Published Version Download (1MB) |
|
Text
2_215410012_BAB_I.pdf - Published Version Download (182kB) |
|
Text
3_215410012_BAB_II.pdf - Published Version Download (286kB) |
|
Text
4_215410012_BAB_III.pdf - Published Version Restricted to Repository staff only Download (273kB) |
|
Text
5_215410012_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (460kB) |
|
Text
6_215410012_BAB_V.pdf - Published Version Download (171kB) |
|
Text
7_215410012_DAFTAR_PUSTAKA.pdf - Published Version Download (240kB) |
|
Text
8_215410012_CARA MENJALANKAN_PROGRAM.pdf - Published Version Download (222kB) |
|
Text
9_215410012_LISTING PROGRAM.pdf - Published Version Restricted to Repository staff only Download (239kB) |
Abstract
Kecelakaan lalu lintas merupakan masalah serius yang mengancam keselamatan pengguna jalan dan menyebabkan korban jiwa setiap tahunnya. Berbagai faktor seperti kondisi cuaca, jenis kendaraan, kecepatan, serta kondisi pengemudi, memiliki peran penting dalam menentukan tingkat keparahan cedera yang dialami korban. Dengan memanfaatkan algoritma machine learning seperti Random Forest prediksi tingkat keparahan cedera dapat dilakukan secara lebih akurat, sehingga membantu pemangku kebijakan dalam merancang strategi pencegahan yang lebih efektif. Penelitian ini menggunakan Algoritma Random Forest Classifier yang memiliki keunggulan dalam menangani data dengan banyak variabel serta secara alami mampu mengelola ketidakseimbangan data. Dataset yang gunakan diperoleh dari Kaggle berisi data kecelakaan lalu lintas dari Amerika Serikat dalam rentang waktu 2016 hingga 2023 dengan total 172.105 sampel dan 43 fitur yang mecakup berbagai aspek kecelakaan. Hasil penelitian ini menunjukkan bahwa model Random Forest berhasil mencapai akurasi sebesar 91%. Kata Kunci : ketidakseimbangan data, prediksi kecelakaan, Random Forest, SMOTE, tingkat keparahan kecelakaan\
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Febri Nova Lenti, S.Si., M.T |
| Uncontrolled Keywords: | ketidakseimbangan data, prediksi kecelakaan, Random Forest, SMOTE, tingkat keparahan kecelakaan |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma A Karya Umum (General) > Ilmu Komputer (Computer Science) > Klasifikasi |
| Divisions: | Jenjang S1 > Informatika (S1) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 12 Mar 2025 06:20 |
| Last Modified: | 12 Mar 2025 06:20 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10724 |
Actions (login required)
 |
View Item |
