<![CDATA[Kecelakaan lalu lintas di jalan tol tetap menjadi masalah kritis yang mempengaruhi keselamatan publik dan stabilitasekonomi. Penelitian ini mengusulkan penggunaan dekomposisi Seasonal-Trend menggunakan LOESS (STL) untukmemprediksi risiko kecelakaan berdasarkan data volume lalu lintas di jalan tol Surabaya-Gempol. Data dari Januari 2022hingga Desember 2023, termasuk volume lalu lintas harian dan laporan kecelakaan, diuraikan menjadi komponen tren,musiman, dan residu untuk mengidentifikasi pola. Korelasi positif sedang (r = 0,4882) ditemukan antara volume lalulintas dan frekuensi kecelakaan. Analisis STL mengungkapkan puncak musiman mingguan yang konsisten di akhir pekan,terutama hari Sabtu. Model prediktif yang dikembangkan berhasil mengidentifikasi 11 hari berisiko tinggi pada Januari2024. Berdasarkan temuan tersebut, delapan rekomendasi kebijakan berbasis waktu dirumuskan, termasuk manajemenlalu lintas dinamis, pemantauan real-time, dan peningkatan pengawasan selama periode puncak. Penelitian ini menyumbangkan kerangka kerja berbasis data baru untuk manajemen keselamatan lalu lintas, menggabungkandekomposisi deret waktu dengan panduan kebijakan yang dapat ditindaklanjuti. Tidak seperti penelitian sebelumnya yanghanya berfokus pada prediksi volume, atau pada konteks jalan non-tol, penelitian ini memajukan penerapan STL untukidentifikasi risiko real-time di jalan tol Indonesia. Implikasinya menekankan integrasi sistem lalu lintas cerdas dan potensiprakiraan berbasis STL sebagai fondasi strategi keselamatan jalan nasional.]]>
