Analisis Pola Kecelakaan Lalu Lintas Menggunakan Metode Association Rule Mining Dengan Algoritma FP-Growth dan Apriori

Penelitian ini bertujuan untuk menganalisis pola kecelakaan lalu lintas di Karawang menggunakan metode association rule mining dengan algoritma Apriori dan FP-Growth. Data yang digunakan berasal dari Satlantas Polres Karawang sebanyak 4.021 kasus kecelakaan periode 2020–2024. Variabel utama yang dianalisis meliputi kondisi permukaan jalan, cuaca, dan tingkat kecelakaan. Proses dilakukan melalui tahap preprocessing, transformasi data, dan penerapan algoritma untuk menemukan aturan asosiasi antar faktor. Hasilnya menunjukkan bahwa kedua algoritma mampu mengidentifikasi pola signifikan, seperti hubungan antara cuaca hujan dan jalan basah dengan kecelakaan ringan. Evaluasi berdasarkan nilai support, confidence, lift, waktu komputasi, dan jumlah aturan. FP-Growth memiliki keunggulan dalam kecepatan, sedangkan Apriori menghasilkan lebih banyak aturan. Penelitian ini diharapkan memberikan kontribusi dalam mitigasi risiko kecelakaan lalu lintas melalui pemanfaatan data historis.

Kata Kunci: algoritma apriori, data mining, fp-growth, kecelakaan lalu lintas, aturan asosiasi