IMPLEMENTASI KERNEL DENSITY PADA ANALISA DAERAH RAWAN KECELAKAAN LALU LINTAS PROVINSI DKI JAKARTA

Respati Irfan Alrasyid Sartavie
Universitas Esa Unggul
Indonesia
Noviandi Noviandi
Universitas Esa Unggul
Indonesia
Arif Arfan Dwi Cahyo
Universitas Esa Unggul
Indonesia
Saipudin Anwar
Universitas Esa Unggul
Indonesia

Abstract
Provinsi DKI Jakarta setiap tahunnya memiliki tingkat kecelakaan lalu lintas yang cukup tinggi. Berdasarkan kecelakaan periode januari 2019 hingga Desember 2021 mencapai 9524 baris data. Penelitian ini menyajikan informasi daerah rawan kecelakaan menggunakan metode Kernel Density. Atribut yang digunakan untuk penelitian ini yaitu tanggal kejadian, instansi yang menangani, identitas korban kecelakaan, sifat kecelakaan, dan kendaraan yang terlibat kecelakaan. Tahapan penelitian sesuai dengan ruang lingkup yang akan dilakukan yaitu: Data Preprocessing Kernel Density Estimation (KDE), Incremental Spatial Autocorrelation, dan Hotspot Analysis. Proses penelitian dari pengumpulan data kecelakaan, data pre processing, menjalankan Kernel Density Estimation, mendapatkan visualisasi daeran rawan kecelakaan, menjalankan Spation Join, menjalankan Hotspot Analysis, mendapatkan Hotspot Kecelakaan, mendapatkan urutan Hotspot Kecelakaan. Berdasarkan hasil implementasi Kernel Density pada daerah rawan kecelakaan yang dilakukan, penulis berhasil mendapatkan daerah rawan kecelakaan tertinggi di Provinsi DKI Jakarta yaitu 33,33% ruas jalan Jatinegara Timur merupakan daerah rawan kecelakaan, selanjutnya pada Jalan Jendral Basuki Rahmat 25,93% pada ruas jalan merupakan daerah rawan kecelakaan, dan pada 20% ruas jalan DI Panjaitan adalah daerah rawan kecelakaan.
Keywords
Kecelakaan, Kernel Density, Lalu Lintas, Provinsi DKI Jakarta
References

World Health Organization, Global Status Report on Road Safety 2018. Geneva: World Health Organization, 2018.

Badan Pusat Statistik, Statistik Transportasi Darat 2019. Jakarta: Badan Pusat Statistik, 2020.

Badan Pusat Statistik DKI Jakarta, Statistik Transportasi DKI Jakarta 2019. Jakarta: Badan Pusat Statistik Provinsi DKI Jakarta, 2020.

K. Imtihan and H. Fahmi, “Analisis Dan Perancangan Sistem Informasi Daerah Rawan Kecelakaan Dengan Menggunakan Geographic Information Systems (GIS),” J. Manaj. Inform. Sist. Informasi), vol. 3, no. 1, 2020.

Y. Oktopianto, S. Shofiah, F. A. Rokhman, K. P. Wijayanthi, and E. Krisdayanti, “Analisis Daerah Rawan Kecelakaan (Black Site) Dan Titik Rawan Kecelakaan (Black Spot) Provinsi Lampung,” Borneo Eng. J. Tek. Sipil, vol. 5, no. 1, 2021.

A. Melarich, “Analisis Daerah Rawan Kecelakaan Lalu Lintas Menggunakan Metode Cluster Analysis (Studi Kasus : Kota Surabaya),” Institut Teknologi Sepuluh Nopember, 2021.

D. Handriyadi, M. A. Bijaksana, and E. B. Setiawan, “Analisis perbandingan clustering-based, distance-based dan density-based dalam mendeteksi outlier,” Seminar, 2009.

E. Setiawan, H. Murfi, and Y. Satria, “Analisis Penggunaan Metode Kernel Density Estimation pada Loss Distribution Approach untuk Risiko Operasional,” J. Mat. Integr., vol. 12, no. 1, 2017.

W. Handayani and I. Rudiarto, “Dinamika Persebaran Penduduk Jawa Tengah: Perumusan Kebijakan Perwilayahan Dengan Metode Kernel Density”.

H. S. Nanda, Chairunisa Afnidya; Nugraha, Arief Laila;Firdaus, “Analisis Tingkat Daerah Rawan Kriminalitas Menggunakan Metode Kernel Density Di Wilayah Hukum Polrestabes Kota Semarang,” J. Geod. Undip, vol. 8, no. 4, 2019.

E. Setiawan, H. Murfi, and Y. Satria, “Analisis Penggunaan Metode Kernel Density Estimation pada Loss Distribution Approach untuk Risiko Operasional,” J. Mat. Integr., vol. 12, no. 1, 2016.

L. Srikanth and I. Srikanth, “A Case Study on Kernel Density Estimation and Hotspot Analysis Methods in Traffic Safety Management,” Int. Conf. Commun. Syst. Networks, vol. 12, 2020.

P. Bima, “Jalan DI Panjaitan Miring, Polisi: Rawan Kecelakaan”, TribunJakarta.com, Ags 9, 2019. [Online]. Available: https://jakarta.tribunnews.com/2019/08/09/jalan-di-panjaitan-miring-polisi-rawan-kecelakaan.

Information
PDF
807 times PDF : 1215 times