<![CDATA[Kecelakaan lalu lintas di Kota Bogor terus meningkat seiring pertumbuhan kendaraan dan urbanisasi. Penelitian ini menganalisis serta mengklasifikasikan kecelakaan di wilayah Polresta Bogor Kota menggunakan metode K-Nearest Neighbor (KNN) dan Naïve Bayes (NB) untuk mengidentifikasi pola berdasarkan lokasi, waktu kejadian, dan kondisi jalan. Hasilnya diharapkan menjadi dasar rekomendasi peningkatan keselamatan lalu lintas. Penelitian ini menggunakan pendekatan kuantitatif dengan metode data mining untuk mengolah data kecelakaan yang dihimpun Polresta Bogor Kota. KNN dan NB dibandingkan dalam klasifikasi kecelakaan berdasarkan jenis, kondisi jalan, dan waktu kejadian, dengan evaluasi akurasi dan efektivitas model. Hasil menunjukkan KNN lebih unggul dengan akurasi di atas 91%. Kecelakaan ringan paling sering terjadi, sementara kecelakaan berat lebih banyak ditemukan pada Selasa dan Minggu, terutama di jalan utama seperti Jalan Provinsi dan Jalur Mudik. Kesimpulan penelitian ini menegaskan bahwa KNN lebih efektif dibandingkan NB dalam klasifikasi kecelakaan. Studi lanjutan disarankan mengeksplorasi algoritma lain, seperti Random Forest atau XGBoost, serta memperkaya data dengan faktor tambahan, seperti penggunaan seatbelt dan kondisi lalu lintas, guna meningkatkan akurasi dan kedalaman analisis.]]>
Copyrights © 2025
