Pemanfaatan Teknik Machine Learning dalam Memprediksi Kepadatan Lalu Lintas Guna Efisiensi Transportasi

Abstract

Kemacetan lalu lintas di kota-kota besar semakin meningkat akibat pertumbuhan jumlah kendaraan yang tidak sebanding dengan kapasitas jalan. Kondisi ini berdampak pada peningkatan waktu perjalanan, polusi udara, serta risiko kecelakaan. Penelitian ini bertujuan untuk memprediksi tingkat kepadatan lalu lintas di Kota Medan menggunakan metode pembelajaran mesin. Tiga algoritma yang digunakan dalam penelitian ini adalah regresi linear, random forest, dan XGBoost. Data yang digunakan mencakup informasi lalu lintas dan cuaca yang diperoleh dari sumber terbuka. Tahapan penelitian meliputi eksplorasi data, pra-pemrosesan, rekayasa fitur, pelatihan model, dan evaluasi menggunakan beberapa metrik pengukuran kesalahan. Hasil penelitian menunjukkan bahwa algoritma Random Forest dengan penyesuaian parameter memiliki performa terbaik dibandingkan dengan algoritma lainnya. Model ini dapat digunakan sebagai alternatif dalam pengelolaan lalu lintas guna meningkatkan efisiensi mobilitas di kawasan perkotaan.