<![CDATA[Kecelakaan lalu lintas merupakan masalah serius yang berdampak besar terhadap keselamatan masyarakat, khususnya di Provinsi Nusa Tenggara Barat (NTB). Dalam beberapa tahun terakhir, angka kecelakaan di NTB menunjukkan tren fluktuatif dengan kecenderungan peningkatan pada kategori kecelakaan berat. Kondisi ini menjadi isu penting yang harus segera mendapat perhatian dari pihak berwenang maupun masyarakat. Tingginya angka kecelakaan, terutama yang berakibat fatal, menegaskan perlunya upaya penanggulangan berbasis data yang terarah dan berkelanjutan. Dalam upaya menurunkan tingkat kecelakaan dan meningkatkan keselamatan lalu lintas, penelitian ini bertujuan untuk mengklasifikasikan tingkat keparahan kecelakaan lalu lintas menggunakan algoritma Decision Tree (C4.5) yang dikombinasikan dengan teknik SMOTE untuk mengatasi ketidakseimbangan data antar kelas. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik NTB, mencakup periode 2018 hingga 2023. Model divalidasi menggunakan 15-Fold Cross Validation dan menghasilkan akurasi sebesar 98,33%. Hasil klasifikasi menunjukkan bahwa atribut "Jumlah" merupakan variabel paling berpengaruh dalam membentuk aturan klasifikasi, dengan pembagian kategori keparahan ke dalam tiga kelas: Rendah, Sedang, dan Tinggi. Temuan ini menunjukkan bahwa model memiliki performa tinggi dan dapat dimanfaatkan sebagai alat bantu dalam menyusun kebijakan pencegahan kecelakaan, mengidentifikasi wilayah rawan, serta mendukung pengambilan keputusan yang lebih tepat dalam upaya menurunkan risiko kecelakaan di wilayah NTB.]]>
Copyrights © 2025
