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.