SISTEM KLASIFIKASI KEPARAHAN KECELAKAAN LALU LINTAS MENGGUNAKAN RANDOM FOREST

Kecelakaan lalu lintas menjadi masalah besar di banyak negara, termasuk Indonesia, yang setiap tahunnya menyebabkan kerugian besar, cedera, dan korban jiwa. Mengklasifikasikan tingkat keparahan insiden secara tepat sangat penting bagi pihak berwenang untuk menetapkan tindakan pencegahan, menerapkan langkah penanggulangan yang efektif, dan meningkatkan keselamatan jalan secara keseluruhan. Teknik statistik konvensional sering kali kurang mampu menangkap hubungan kompleks di antara berbagai variabel yang memengaruhi, seperti cuaca, pengalaman pengemudi, jenis kendaraan, jumlah kendaraan yang terlibat, dan jumlah korban. Untuk mengatasi keterbatasan ini, penelitian ini mengusulkan metode klasifikasi berbasis machine learning menggunakan algoritma Random Forest, yang dikenal tangguh dalam menangani data yang kompleks dan berdimensi tinggi sekaligus mampu mengenali pola nonlinier. Model dilatih menggunakan dataset kecelakaan lalu lintas dari Kaggle dan mencakup fitur-fitur penting, seperti kelompok usia pengemudi, pengalaman mengemudi, jenis kendaraan, kondisi pencahayaan dan cuaca, jenis tabrakan, jumlah kendaraan yang terlibat, serta jumlah korban. Sistem yang diusulkan mencapai akurasi sebesar 81%, weighted precision 75%, weighted recall 81%, dan weighted F1-score 77%, yang menunjukkan kinerja andal dalam memprediksi tingkat keparahan kecelakaan—cedera ringan, cedera berat, dan cedera fatal. Hasil penelitian ini diharapkan dapat dimanfaatkan untuk mendukung pengambilan keputusan berbasis data, membantu pihak kepolisian dan instansi terkait dalam mempercepat respon terhadap insiden, serta menjadi dasar pengembangan sistem peringatan dini (early warning system) dan kebijakan keselamatan lalu lintas yang lebih tepat sasaran di masa mendatang.