Pengelompokan Data Kecelakaan Lalu Lintas di Kota Tasikmalaya Menggunakan Algoritma K-Means

Kenaikan jumlah penduduk mengakibatkan meningkatnya jumlah kebutuhan akan kendaraan bermotor sehingga memicu terjadinya kecelakaan lalu lintas. Pengelompokan data kecelakaan lalu lintas penting untuk dilakukan, karena akan memudahkan pihak polisi khususnya Unit Kecelakaan Lalu Lintas Polres Tasikmalaya Kota dalam mengurangi angka kecelakaan lalu lintas. Pada penelitian ini menggunakan Algoritma K-Means dengan tujuan untuk memperoleh informasi mengenai kelompok data kecelakaan lalu lintas berdasarkan waktu kejadian  sehingga diketahui penyebab dari kecelakaan lalu lintas yang terjadi di Kota Tasikmalaya. Berdasarkan Validasi menggunakan metrik Davies Bouldin Index maka diperoleh 4 cluster yang dinilai dapat mengelompokan data dengan baik. PerformanceVector hasil evaluasi cluster yang dibentuk sebanyak 4 cluster dengan nilai sebesar 0,134. Cluster 1 dengan jumlah data kecelakaan sebanyak 74 kecelakaan yang paling banyak terjadi pada malam hari, Cluster 2 dengan jumlah kecelakaan sebanyak 16 kecelakaan yang paling banyak terjadi pada siang hari, Cluster 3 dengan jumlah kecelakaan sebanyak 6 kecelakaan yang paling banyak terjadi pada sore hari dan Cluster 4 dengan jumlah kecelakaan sebanyak 113 kecelakaan yang paling banyak  terjadi pada pagi hari  Keywords: Data Mining, K-means, Clustering, Pelanggaran Lalu Lintas