ANALISIS SPASIAL KLASTER KECELAKAAN LALU LINTAS MENGGUNAKAN ALGORITMA K-MEANS BERBASIS QGIS UNTUK IDENTIFIKASI BLACK SPOT DI KABUPATEN GUNUNGKIDUL

Abstrak

Kecelakaan lalu lintas merupakan permasalahan serius di Kabupaten Gunungkidul dengan 947 kejadian tercatat sepanjang tahun 2025. Penelitian ini bertujuan menganalisis pola distribusi spasial kecelakaan, mengidentifikasi karakteristik klaster risiko, menentukan lokasi black spot, serta merumuskan rekomendasi mitigasi. Metode yang digunakan meliputi perhitungan Indeks Risiko (IR) menggunakan Weighted Risk Assessment dengan lima kriteria (C1-C5), dilanjutkan algoritma K-Means clustering yang divalidasi menggunakan Elbow Method untuk menentukan jumlah klaster optimal (k=3) dan Silhouette Score (0,6645) untuk mengukur kualitas klaster, serta visualisasi spasial berbasis QGIS. Hasil analisis pada 500 sampel data menunjukkan jumlah klaster optimal adalah k=3 dengan Silhouette Score 0,6645. Klaster 1 (risiko rendah) mencakup 164 data (32,8%), Klaster 2 (risiko sedang) 273 data (54,6%), dan Klaster 3 (black spot) 63 data (12,6%). Validasi statistik menggunakan uji Kruskal-Wallis menunjukkan perbedaan signifikan antar klaster (H=419.5850; p<0,001). Black spot utama terkonsentrasi di Jalan Wonosari-Yogyakarta segmen Patuk dan Playen. Penelitian ini menghasilkan rekomendasi mitigasi spesifik untuk setiap klaster risiko.

Identifier

• DOI: https://doi.org/10.36341/rabit.v11i2.8157
• OpenAlex: https://openalex.org/W7167944898