ANALISIS DATA MINING UNTUK MENGATASI KEMACETAN LALU LINTAS DI DKI JAKARTA

Abstract

Penelitian ini bertujuan untuk menganalisis faktor penyebab
kemacetan lalu lintas di DKI Jakarta, mengidentifikasi pola kemacetan
menggunakan data mining, serta mengevaluasi efektivitas kebijakan
transportasi pemerintah. Penelitian menggunakan pendekatan
kuantitatif dengan metode Knowledge Discovery in Database (KDD). Data
diperoleh dari Badan Pusat Statistik (BPS), Dinas Perhubungan DKI
Jakarta, CCTV lalu lintas, dan aplikasi navigasi digital. Analisis dilakukan
menggunakan metode K-Means Clustering, Decision Tree, dan Artificial
Neural Network (ANN). Hasil penelitian menunjukkan bahwa kemacetan
tertinggi terjadi di kawasan pusat bisnis pada jam sibuk pagi dan sore
hari. Selain itu, metode data mining mampu membantu mengidentifikasi
pola dan memprediksi tingkat kemacetan secara efektif. Penelitian ini
menyimpulkan bahwa pemanfaatan data mining dan sistem transportasi
cerdas dapat mendukung kebijakan transportasi berbasis data guna
mengurangi kemacetan di DKI Jakarta.