Izmi Maulani, 4111417037 (2021) PEMODELAN REGRESI LOGISTIK ORDINAL DAN SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI TINGKAT KEPARAHAN KORBAN KECELAKAAN (Studi Kasus: Kecelakaan di Salatiga tahun 2020). Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Klasifikasi digunakan dalam data mining untuk mengelompokkan data diantara berbagai kelas, sehingga dapat dengan mudah mengidentifikasi jenis dan kelompok dari masing-masing data. Tingkat keparahan korban kecelakaan lalu lintas dibagi menjadi 3 kategori, untuk menentukan kategori yang tepat dari data yang diperoleh maka diperlukan teknik klasifikasi. Teknik yang digunakan dalam proses klasifikasi diantaranya adalah Regresi Logistik Ordinal dan Support Vector Machine (SVM). Penelitian ini bertujuan untuk mengetahui metode yang memberikan ketepatan hasil klasifikasi yang lebih baik antara Regresi Logistik Ordinal dan Support Vector Machine (SVM). Data yang digunakan adalah data kecelakaan lalu lintas Salatiga Jawa Tengah Tahun 2020 yang diperoleh dari Unit Laka Satuan Lalu Lintas (Satlantas) Polres Salatiga, sejumlah 218 data kecelakaan lalu lintas dan dibagi menjadi data training 90% sejumlah 196 dan data testing 10% sejumlah 22. Variabel respon yang digunakan dalam penelitian ini adalah tingkat keparahan korban kecelakaan Sedangkan variabel prediktornya meliputi hari, waktu, penyebab, jenis kecelakaan, jenis kendaraan yang terlibat, usia dan jenis kelamin korban. Berdasarkan hasil penelitian diperoleh model terbaik dari metode Regresi Logistik Ordinal

Actions (login required)

View Item