IMPLEMENTASI KERNEL DENSITY PADA ANALISA DAERAH RAWAN KECELAKAAN LALU LINTAS PROVINSI DKI JAKARTA

Respati Irfan Alrasyid Sartavie (Universitas Esa Unggul)
Noviandi Noviandi (Universitas Esa Unggul)
Arif Arfan Dwi Cahyo (Universitas Esa Unggul)
Saipudin Anwar (Universitas Esa Unggul)

Jurnal Ilmiah Informatika Komputer
Vol 27, No 2 (2022)

Provinsi DKI Jakarta setiap tahunnya memiliki tingkat kecelakaan lalu lintas yang cukup tinggi. Berdasarkan kecelakaan periode januari 2019 hingga Desember 2021 mencapai 9524 baris data. Penelitian ini menyajikan informasi daerah rawan kecelakaan menggunakan metode Kernel Density. Atribut yang digunakan untuk penelitian ini yaitu tanggal kejadian, instansi yang menangani, identitas korban kecelakaan, sifat kecelakaan, dan kendaraan yang terlibat kecelakaan. Tahapan penelitian sesuai dengan ruang lingkup yang akan dilakukan yaitu: Data Preprocessing Kernel Density Estimation (KDE), Incremental Spatial Autocorrelation, dan Hotspot Analysis. Proses penelitian dari pengumpulan data kecelakaan, data pre processing, menjalankan Kernel Density Estimation, mendapatkan visualisasi daeran rawan kecelakaan, menjalankan Spation Join, menjalankan Hotspot Analysis, mendapatkan Hotspot Kecelakaan, mendapatkan urutan Hotspot Kecelakaan. Berdasarkan hasil implementasi Kernel Density pada daerah rawan kecelakaan yang dilakukan, penulis berhasil mendapatkan daerah rawan kecelakaan tertinggi di Provinsi DKI Jakarta yaitu 33,33% ruas jalan Jatinegara Timur merupakan daerah rawan kecelakaan, selanjutnya pada Jalan Jendral Basuki Rahmat 25,93% pada ruas jalan merupakan daerah rawan kecelakaan, dan pada 20% ruas jalan DI Panjaitan adalah daerah rawan kecelakaan.