Febri Nova Lenti, S.Si., M.T Contributor Nugraha, Febrian Pramudya - 215410012 Primary Author mixed material bibliography Yogyakarta UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI) 2025 monographic id Indonesia

Text

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\ SMOOTE Random Forest SISTEM PREDIKSI NONE Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia 068 NUG P R.1 NUG0068IN0125 Rak Referensi Skripsi Informatika 068 NUG P R.1 17721 2025-03-12 13:24:31 2025-03-12 13:25:23 machine generated