<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="5437">
 <titleInfo>
  <title>ANALISIS CLUSTERING PELANGGAR LALU LINTAS DENGAN IMPLEMENTASI ALGORITMA K-MEANS</title>
 </titleInfo>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">UNIVERSITAS ARS INTERAONAL</placeTerm>
   <publisher>Universitas ARS</publisher>
   <dateIssued>2019-2020</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Pertambahan kepemilikan kendaraan bermotor berpengaruh terhadap pertambahan&#13;
jumlah pelanggaran lalu lintas sehingga menyebabkan menumpuknya data perkara&#13;
lalu lintas di Polres Tasikmalaya. Oleh sebab itu, perlu adanya pengelompokan untuk&#13;
memudahkan pihak kepolisian satuan lalu lintas dalam melakukan himbauan dengan&#13;
tepat demi mewujudkan ketertiban dan kenyamanan berkendara bagi keselamatan&#13;
pengguna jalan. Pada penelitian ini dilakukan pemanfaatan teknik data mining&#13;
clustering dengan algoritma k-means dan tool yang digunakan untuk pengolahan&#13;
data adalah aplikasi rapidminer. Dari 282 sample data pelanggaran lalu lintas&#13;
dibentuk 4 cluster yang telah di evaluasi menggunakan Davies Bouldin Index dengan&#13;
nilai 0,890 . Cluster 0 (pertama) terdiri 4 pasal dengan jumlah pelanggar 71&#13;
mendominasi pasal 293 (2) dan 291 (2), cluster 1 (kedua) terdiri 3 pasal dengan&#13;
jumlah pelanggar 95 mendominasi pasal 281, cluster 2 (ketiga) terdiri 6 pasal dengan&#13;
jumlah pelanggar 59 mendominasi pasal 289 dan cluster 3(keempat) terdiri dari 5&#13;
pasal dengan jumlah pelanggar 57 mendominasi pasal 280. Hasil penelitian ini juga&#13;
memberikan fakta bahwa metode k-means mampu mengelompokan objek dengan&#13;
tingkat kemiripan yang tinggi.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>Sistem Informasi</topic>
 </subject>
 <classification>NONE</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Digital Library ARS University Perpustakan Online ARS University</physicalLocation>
  <shelfLocator>015 / S1.SI.SKP / 2019 - 2020</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">S01444K</numerationAndChronology>
    <sublocation>Sistem Informasi</sublocation>
    <shelfLocator>015 / S1.SI.SKP / 2019 - 2020</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <recordInfo>
  <recordIdentifier>5437</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2020-01-27 19:12:56</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2020-01-27 19:12:56</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>