Nabila, Khalishah Berliana (2026) IMPLEMENTASI K-MEANS UNTUK KLASIFIKASI TINGKAT PELANGGARAN LALU LINTAS BERBASIS WEBSITE DI KOTA PALEMBANG. Diploma thesis, Politeknik Negeri Sriwijaya.
|
Text (Cover)
COVER.pdf - Published Version Download (733kB) | Preview |
|
![[img]](http://eprints.polsri.ac.id/style/images/fileicons/text.png) |
Text (Abstrak)
Abstrak.pdf - Published Version Download (131kB) |
|
|
Text (Bab I)
BAB I.pdf - Published Version Restricted to Repository staff only Download (376kB) |
|
|
Text (Bab II)
BAB II.pdf - Published Version Restricted to Repository staff only Download (462kB) |
|
|
Text (Bab III)
BAB III.pdf - Published Version Restricted to Repository staff only Download (463kB) |
|
|
Text (Bab IV)
BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text (Bab V)
BAB V.pdf - Published Version Restricted to Repository staff only Download (221kB) |
|
|
Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (192kB) |
|
|
Text (Lampiran I)
LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) |
Abstract
Pelanggaran lalu lintas di Kota Palembang masih menjadi permasalahan yang berpotensi menyebabkan kemacetan dan meningkatkan risiko kecelakaan. Data pelanggaran yang diperoleh melalui pemantauan CCTV oleh Dinas Perhubungan Kota Palembang selama ini masih berupa rekapitulasi sehingga belum dimanfaatkan secara optimal untuk mengetahui tingkat pelanggaran pada setiap simpang. Penelitian ini bertujuan mengimplementasikan algoritma K-Means untuk mengklasifikasikan tingkat pelanggaran lalu lintas pada lima simpang, yaitu SP Parameswara, SP Taman Siswa, SP Dolog, SP Boom Baru, dan SP Kampus. Data yang digunakan merupakan data pelanggaran selama enam bulan yang mencakup pelanggaran marka jalan, stop line, APILL, tidak memakai helm, bermain telepon genggam saat berkendara, dan merokok. Proses pengelompokan dilakukan ke dalam tiga Cluster, yaitu rendah, sedang, dan tinggi. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan tingkat pelanggaran berdasarkan kemiripan karakteristik data pada setiap simpang serta menyajikannya dalam bentuk tabel dan grafik untuk mendukung pengambilan keputusan terkait pengawasan lalu lintas.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Kata Kunci: Data Mining, K-Means, Klasifikasi, Pelanggaran Lalu Lintas, Website. |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Informatics Management > Undergraduate Theses |
| Depositing User: | Pustaka Manajemen Informatika |
| Date Deposited: | 22 Jul 2026 04:05 |
| Last Modified: | 22 Jul 2026 04:05 |
| URI: | http://eprints.polsri.ac.id/id/eprint/23215 |
Actions (login required)
 |
View Item |
