Detail Cantuman Kembali
PREDIKSI TINGKAT KEPARAHAN CEDERA AKIBAT KECELAKAAN LALU LINTAS DENGAN RANDOM FOREST
- Bagikan:
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\
068 NUG P R.1
NONE
Text
Indonesia
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2025
Yogyakarta
LOADING LIST...
LOADING LIST...
