<![CDATA[Kecelakaan lalu lintas di Kota Samarinda terus meningkat seiring dengan tingginya volume kendaraan dan berbagai faktor risiko, seperti kondisi jalan, cuaca, serta kelalaian pengemudi. Peningkatan angka kecelakaan ini berdampak pada kerugian material dan korban jiwa, sehingga diperlukan metode prediksi yang efektif untuk mengklasifikasikan tingkat keparahan kecelakaan. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kecelakaan lalu lintas di Kota Samarinda menggunakan algoritme K-Nearest Neighbor (KNN), yang dikenal sebagai metode berbasis jarak yang efektif dalam klasifikasi data. Data yang digunakan diperoleh dari Kepolisian Sektor Samarinda Kota dan mencakup faktor-faktor seperti kondisi cahaya, kelas jalan, tipe jalan, dan batas kecepatan. Model KNN diimplementasikan dengan pembagian data latih dan uji menggunakan validasi silang K-Fold untuk memastikan keakuratan prediksi. Hasil pengujian menunjukkan bahwa dengan pemilihan parameter yang optimal, model KNN mampu mencapai akurasi sebesar 92,54%. Kesimpulan dari penelitian ini adalah bahwa metode KNN dapat digunakan secara efektif untuk mengklasifikasikan tingkat kecelakaan lalu lintas, sehingga hasilnya dapat menjadi referensi bagi otoritas terkait dalam meningkatkan keselamatan jalan raya di Kota Samarinda]]>
Copyrights © 2025
