Juanda, Juanda (2024) ANALISIS PERBANDINGAN ALGORITMA FP-GROWTH DAN APRIORI UNTUK MENENTUKAN POLA KECELAKAAN LALU LINTAS DI WILAYAH HUKUM POLRES LHOKSEUMAWE. S1 thesis, Universitas Malikussaleh.

	Text Juanda_200170065_Cover.pdf Download (128kB)
	Text Juanda_200170065_Abstrak.pdf Download (711kB)
	Text Juanda_200170065_Bab 1.pdf Download (1MB)
	Text Juanda_200170065_Daftar Pustaka.pdf Download (897kB)
	Text Juanda_200170065_Analisis Perbadingan Algoritma FP - Growth Dan Apriori Untuk Menentukan Pola Kecelakaan Lalu Lintas Di Wilayah Hukum Polres Lhokseumawe.pdf Restricted to Registered users only Download (3MB)

Abstract

Kecelakaan lalu lintas adalah masalah yang memerlukan penanganan serius, khususnya di wilayah hukum Polres Lhokseumawe. Penelitian ini bertujuan untuk menganalisis data kecelakaan lalu lintas untuk mengidentifikasi pola penyebabnya, sehingga dapat memberikan rekomendasi yang berguna bagi Unit Laka Lantas Polres Lhokseumawe dan mempermudah pengelolaan data untuk mengurangi kecelakaan. Algoritma FP-Growth dan Apriori diterapkan dalam analisis ini karena keduanya memungkinkan pengembangan strategi pencegahan dan penegakan hukum yang lebih efektif berdasarkan data yang ada. Data yang digunakan dalam penelitian ini berjumlah 100 catatan kecelakaan yang diperoleh dari Unit Laka Lantas Polres Lhokseumawe. Variabel yang dianalisis mencakup jenis kelamin, jenis kendaraan, usia, waktu, jalur, tingkat keramaian, dan cuaca, untuk mendapatkan hasil analisis yang lebih menyeluruh dan mendalam. Hasil analisis menunjukkan bahwa penerapan minimum support 10%, 15%, dan 20% memberikan wawasan yang berbeda-beda. Minimum support 15% terbukti sebagai nilai yang paling optimal, menghasilkan pola asosiasi yang paling relevan dan signifikan, dibandingkan dengan 10% yang menghasilkan pola yang terlalu banyak dan kurang signifikan, serta 20% yang menghasilkan pola yang terlalu sedikit dan kurang representatif. Berdasarkan hasil perhitungan kedua algoritma, yaitu FP Growth dan Apriori, dengan 100 data pengujian, diperoleh hasil bahwa algoritma FP-Growth menghasilkan 4 aturan asosiasi, sedangkan algoritma Apriori menghasilkan 6 aturan asosiasi, dengan menggunakan minimum support 15% dan confidence 50%. Temuan ini menegaskan bahwa minimum support 15% adalah parameter yang paling sesuai untuk menganalisis pola kecelakaan lalu lintas, memberikan hasil yang lebih signifikan dan relevan dalam konteks penelitian ini.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Juanda Juanda
Date Deposited:	16 Oct 2024 07:24
Last Modified:	16 Oct 2024 07:24
URI:	https://rama.unimal.ac.id/id/eprint/6901

Actions (login required)

View Item