Implementasi Data Mining dengan Metode Clustering Algoritma K-Means untuk Pengelompokan Data Tilang di Polda Kepri

Manihuruk, Reni Alda Aristawaty (2023) Implementasi Data Mining dengan Metode Clustering Algoritma K-Means untuk Pengelompokan Data Tilang di Polda Kepri. Skripsi thesis, Prodi Teknik Infomatika.

[img] Text
cover.pdf - Submitted Version

Download (2MB)
[img] Text
bab I.pdf - Submitted Version

Download (1MB)
[img] Text
bab II.pdf - Submitted Version

Download (4MB)
[img] Text
bab III.pdf - Submitted Version

Download (2MB)
[img] Text
bab IV.pdf - Submitted Version
Restricted to Registered users only

Download (14MB) | Request a copy
[img] Text
bab V.pdf - Submitted Version

Download (288kB)
[img] Text
daftar pustaka.pdf - Submitted Version

Download (602kB)
[img] Text
lampiran.pdf - Submitted Version
Restricted to Registered users only

Download (16MB) | Request a copy

Abstract

Setiap komunitas mengandalkan transportasi, tetapi pengemudi harus mengikuti aturan agar aman. Ada beberapa variabel yang menyebabkan banyak individu ditilang antara lain kurangnya pengetahuan dan kesadaran masyarakat akan standar berkendara yang baik, akurat dan aman, serta kegagalan masyarakat untuk memeriksa kondisi kendaraan dan dokumen sebelum bepergian untuk menghindari tilang selama operasi khusus (penggerebekan). Penelitian ini mengkaji pelanggaran lalu lintas pengendara roda dua di Kota Batam yang menjadi permasalahan yang diteliti oleh penulis karena banyaknya pelanggaran lalu lintas yang mengganggu sistem regulasi selama ini. Kluster metode K-Means, penerapan Algoritma K�Means untuk mengelompokkan data pelanggaran lalu lintas membantu Polda Kepri menemukan pelanggaran lalu lintas terbanyak dan dinas tilang menemukan pengelompokan data pelanggaran lalu lintas di Kota Batam. Penulis akan memanfaatkan pendekatan data mining algoritma K-Means untuk melakukan segmentasi pelanggaran selama ini. Analisis data dari klaster dipisahkan berdasarkan jenis pelanggaran, tingkat pelanggaran dan besaran denda, menghasilkan temuan klaster 0: 11 item, klister 1: 13 item, klaster 2: 11 item, dari 35 data yang diperlakukan sebagai data sampel dengan vektor kinerja pengelompokan terbaik adalah 0,499.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Transportasi, Pelanggaran Lalu Lintas, Pengelompokkan Data, Algoritma K-Means, cluster, RapidMiner: Transport, Traffic Violation, Data Mining, K-Means Algorithm, cluster, RapidMiner
Subjects: 000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 005.43 Sistem Operasi
Divisions: Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User: Lia Priscilla
Date Deposited: 30 May 2023 03:00
Last Modified: 01 Jul 2024 07:37
URI: http://repository.upbatam.ac.id/id/eprint/3102

Actions (login required)

View Item View Item