Perbandingan Metode Fuzzy Time Series-Markov Chain Dan Automatic Clustering-Fuzzy Time Series-Markov Chain Untuk Memprediksi Jumlah Kecelakaan Lalu Lintas (Studi Kasus: Polres Probolinggo Kota)
| Main Author: | Soefiyanto, RizaGhifari |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/154855/ |
Daftar Isi:
- Peningkatan jumlah kendaraan bermotor untuk setiap tahunnya akan berpengaruh pada keadaan lalu lintas, jika tidak diimbangi dengan sikap hati-hati dan waspada akan berdampak pada kecelakaan. Semakin banyak jumlah penduduk dalam suatu kota, semakin banyak pula jumlah kendaraan bermotor yang ada di kota tersebut, hal ini menyebabkan peluang terjadinya kecelakaan lalu lintas menjadi semakin besar. Probolinggo merupakan salah satu kota yang tingkat kecelakaannya cukup tinggi, pada tahun 2014 mencapai 234 kasus laka dan meningkat di tahun 2015 menjadi 283 kasus laka (Yuston, 2015). Berdasarkan data empiris tersebut, perlu adanya prediksi jumlah kecelakaan lalu lintas yang akan terjadi di masa yang akan datang, sehingga masyarakat bisa lebih berhati-hati dalam berkendara. Pada skripsi ini dilakukan perbandingan antara dua metode untuk memprediksi jumlah kecelakaan yang terjadi di Kota Probolinggo, yaitu metode Fuzzy Time Series-Markov Chain dan metode Automatic Clustering- Fuzzy Time Series-Markov Chain, dengan perhitungan akurasi menggunakan MAPE (Mean Absolute Percentage). Pada Fuzzy Time Series-Markov Chain menghasilkan presentase kesalahan sebesar dan tingkat akurasi sebesar , sedangkan pada Automatic Clustering- Fuzzy Time Series- Markov Chain Chain menghasilkan presentase kesalahan sebesar dan tingkat akurasi sebesar . Dapat disimpulkan bahwa tingkat kesalahan terkecil dan tingkat akurasi tertinggi terdapat pada hasil prediksi menggunakan metode Automatic Clustering- Fuzzy Time Series-Markov Chain.