Model klasifikasi tingkat keparahan kecelakaan lalu lintas menggunakan support vector machine

Rahmi, Fatihatur (2022) Model klasifikasi tingkat keparahan kecelakaan lalu lintas menggunakan support vector machine. Diploma thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
cover.pdf - Published Version

Download (428kB)
[img] Text (Bab I)
bab I.pdf - Published Version

Download (169kB)
[img] Text (Bab V)
bab V.pdf - Published Version

Download (199kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version

Download (148kB)
[img] Text (Skripsi Full Text)
Skripsi full ami.pdf - Published Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Kecelakaan merupakan salah satu dampak negatif dari bertambahnya jumlah kendaraan yang digunakan masyarakat. Menurut BPS jumlah kecelakaan terbanyak terjadi di kota Padang yaitu sekitar 22.79% dari total kasus yang terjadi di Sumatera Barat. Beberapa faktor yang menyebabkan terjadinya kecelakaan adalah kelebihan kelebihan batas kecepatan, mengantuk, kerusakan jalan dan lain sebagainya. Support Vector Machine (SVM) adalah salah satu metode yang dapat mengklasifikasi tingkat keparahan yang dialami pengendara setelah mengalami suatu kecelakaan. SVM adalah suatu learning machine yang bekerja dengan mengubah data dari input space ke feature space untuk menemukan persamaan hyperplane. Pada penelitian ini akan digunakan SVM multiclass dengan metode one against one (satu lawan satu) dengan membandingkan dua fungsi kernel yaitu kernel linear dan kernel Radial Basis Function (RBF) menggunakan data korban kecelakaan yang terjadi di kota Padang pada bulan Januari Maret tahun 2022 yang menggunakan sepeda motor dengan tiga kelas data yaitu luka ringan, luka berat dan meninggal dunia. Hasil penelitian ini adalah kernel RBF lebih baik dibanding kernel linier dengan akurasi sebesar 94.62% dengan nilai APER sebesar 5.38% pada data training dan akurasi sebesar 89.25% dengan nilai APER sebesar 10.75% pada data testing

Item Type: Thesis (Diploma)
Primary Supervisor: Dr. Ferra Yanuar
Uncontrolled Keywords: SVM, Hyperplane, One Against One, Kernel.
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: s1 matematika matematika
Date Deposited: 05 Jan 2023 02:55
Last Modified: 05 Jan 2023 02:55
URI: http://scholar.unand.ac.id/id/eprint/121651

Actions (login required)

View Item View Item