Jln.Ciledug Raya) Rizky Wahidaturrohman Primary Author mixed material bibliography JAKARTA Universitas Satya Negara Indonesia 2025 id Indonesia

Text

Kemacetan lalu lintas di Jakarta menjadi permasalahan utama yang disebabkan oleh pertumbuhan jumlah kendaraan yang pesat tanpa diimbangi kapasitas jalan yang memadai. Kondisi ini menimbulkan dampak negatif berupa peningkatan konsumsi bahan bakar, polusi udara, serta penurunan produktivitas masyarakat. Penelitian ini bertujuan untuk membangun model prediksi keadaan lalu lintas berbasis data historis dengan menggunakan algoritma K-Nearest Neighbors (K-NN) untuk mengklasifikasikan kondisi lalu lintas di Jalan Ciledug, Jakarta Selatan ke dalam tiga kategori, yaitu lancar, sedang, dan padat. Data penelitian diperoleh dari Traffic Prediction Dataset milik ERI Korlantas Polri dengan variabel utama meliputi hari, jam, volume kendaraan, dan cuaca. Tahapan penelitian mencakup pembersihan data, rekayasa fitur, normalisasi menggunakan Min-Max Normalization, penyeimbangan kelas dengan Synthetic Minority Oversampling Technique (SMOTE), serta evaluasi model menggunakan metode k-fold cross-validation. Hasil penelitian menunjukkan bahwa model K-NN dengan nilai k = 7 mampu mencapai akurasi sebesar 91,27% pada data uji dengan nilai precision, recall, dan F1-score di atas 0,84. Model ini diharapkan dapat menjadi landasan pengembangan sistem informasi berbasis kecerdasan buatan untuk mendukung pengelolaan lalu lintas perkotaan yang lebih efektif dan efisien. Rizky Wahidaturrohman Teknik Informatika Skripsi K-Nearest Neighbour Machine Learning Prediksi Lalu Lintas SMOTE Cross-Validation TI 2025 Institutional Repository USNI Universitas Satya Negara Indonesia TI 2025 8250354 Perpustakaan USNI Kampus A (SKRIPSI) TI 2025 PREDIKSI KEADAAN LALU LINTAS DI JAKARTA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus : Jln.Ciledug Raya) 4415 2025-10-07 14:15:56 2025-10-07 14:16:11 machine generated