<![CDATA[Kecelakaan lalu lintas merupakan salah satu permasalahan kegiatantransportasi serta dampak yang terjadi adanya mobilitas transportasi.Keseimbangan antara pengemudi, kemajuan teknologi kendaraan danpenyediaan prasarana lalu lintas merupakan tiga penentu mobilitastransportasi, jika salah satu unsur tertinggal maka terjadi kesenjanganyang menjurus terjadinya kecelakaan. Kecelakaan lalu lintas diIndonesia menjadi pembunuh terbesar ketiga setelah penyakit jantungkoroner dan tuberculosis, selain itu kecelakaan lalu lintas menjadipenyebab utama kematian anak di dunia dengan rata-rata angkakematian 1000 anak dan remaja setiap harinya pada rentang usia 10–24 tahun dan dipastikan jumlah korban kecelakaan akan terusbertambah menjadi 1,8 juta manusia ditahun 2020 mendatang olehkarena itu, masalah tingkat keparahan korban kecelakaan perlumendapatkan perhatian serius untuk mengantisipasi jatuhnya korbanmeninggal dunia pada kecelakaan lalu lintas. Pada penelitian inidilakukan pengklasifikasian untuk mengetahui dan mengelompokanfaktor-faktor yang paling berpengaruh terhadap tingkat keparahankorban kecelakaan lalu lintas dengan menggunakan metodeMultivariate Adaptive Regression Spline (MARS). Variabel dependenyang digunakan adalah tingkat keparahan korban kecelakaan lalulintas yang dibagi menjadi empat kategori yaitu meninggal dunia, lukaberat, luka ringan dan tidak luka sedangkan variabel independennyaterdiri dari 11 variabel. Hasil analisis Model MARS terbaik dilakukandengan kombinasi secara Trial and error untuk klasifikasi kejadiantingkat keparahan kecelakaan didapatkan Fungsi Basis (BF)=33,maksimum interaksi (MI)=3, dan minimum observasi (MO)=0 dengannilai Generalized Cross Validation (GCV) minimum 0,61608. Setelahdilakukan klasifikasi didapatkan hasil bahwa dari 11 variabelindependen, terdapat tujuh variabel yang paling berpengaruhterhadap model yaitu variabel peran korban (X7), jenis kecelakan (X6),usia (X2), jenis kendaraan (X4), tanggal kejadian (X10), pendidikan(X5), jenis pekerjaan (X3) dengan nilai akurasi 74,2 %.]]>
