ITKITK

Equiva JournalEquiva Journal

Kecelakaan mengakibatkan berbagai kerugian sehingga penting untuk mengantisipasi kecelakaan secara akurat. Penelitian ini bertujuan untuk membandingkan dua metode untuk meramalkan jumlah kasus kecelakaan lalu lintas yang akan terjadi di Kota Balikpapan. Metode tersebut adalah linear trend analysis dan double exponential smoothing. Jumlah kasus kecelakaan lalu lintas yang terjadi di Kota Balikpapan dari Januari 2019 hingga Agustus 2022 merupakan dataset yang digunakan untuk penelitian ini. Hasil pemodelan menunjukkan bahwa linear trend analysis dengan RMSE 2,73 merupakan model yang paling akurat untuk memperkirakan jumlah kasus kecelakaan lalu lintas di Kota Balikpapan. Nilai RMSE untuk prediksi menggunakan metode double exponential smoothing adalah 2,86. Penelitian lanjutan yang dikembangkan dari penelitian ini dapat menggunakan pengaruh peraturan pembatasan sosial masyarakat akibat COVID 19 dan juga menerapkan metode machine learning yang cocok untuk sampel kecil.

Peramalan jumlah kasus kecelakaan sangat krusial karena kecelakaan menimbulkan berbagai kerugian.Pada tahapan identifikasi data deret waktu, jumlah kecelakaan lalu lintas Kota Balikpapan mengikuti pola tren dan tidak musiman.Berdasarkan pola dalam deret waktu maka metode linear trend analysis dan double exponential smoothing sesuai untuk digunakan dalam meramalkan jumlah kasus kecelakaan Kota Balikpapan.Model terbaik untuk meramalkan jumlah kasus kecelakaan Kota Balikpapan adalah linear trend analysis dengan nilai RMSE sebesar 2.Hal ini mengindikasikan bahwa jumlah kecelakaan lalu lintas Kota Balikpapan ke depannya akan mengalami kenaikan secara linier sebesar 0,1387 dari satu periode ke periode berikutnya.Tentunya hal ini harus mendapatkan perhatian lebih dari pemerintah dan kepolisian agar angka jumlah kecelakaan lalu lintas ini menurun.

Berdasarkan hasil penelitian, ada beberapa saran untuk penelitian lanjutan. Pertama, dapat dilakukan investigasi lebih lanjut mengenai pengaruh peraturan pembatasan sosial masyarakat akibat COVID-19 terhadap jumlah kasus kecelakaan lalu lintas. Kedua, perlu dieksplorasi metode-metode machine learning yang cocok untuk sampel kecil dalam peramalan jumlah kasus kecelakaan. Ketiga, penelitian selanjutnya dapat fokus pada pengembangan model yang lebih kompleks untuk mengakomodasi komponen tren dan musiman dalam data deret waktu kecelakaan lalu lintas.

  1. #regresi linier#regresi linier
  2. #double exponential smoothing#double exponential smoothing
Read online
File size475.99 KB
Pages5
Short Linkhttps://juris.id/p-2Q0
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test