28
BAB III
METODE PENELITIAN
Tahapan metodologi terdiri atas 6 enam tahapan, pertama, dengan mengacu kepada teori, kita mengajukan suatu hipotesis atau pertanyaan. Kedua,
untuk menjawab pertanyaan atau hipotesis yang diajukan pada tahap pertama, kita mengajukan model ekonometri yang dapat digunakan untuk mengetes hipotesis
kita. Ketiga, setelah modelnya sudah terbangun, parameter dari model tersebut kita estimasi dengan suatu software computer. Keempat, hasil dari estimasi parameter
perlu kita verivikasi terlebih dahulu apakah hasilnya sesuai dengan model atau tidak. Kelima, jika dari hasil verivikasi mengatakan model yang telah terestimasi
sudah layak, maka model tersebut kita gunakan untuk memprediksi pergerakan atau memprediksi nilai suatu variabel. Keenam, akhirnya, prediksi tersebut dapat kita
gunakan sebagai bahan pertimbangan dalam pengambilan suatu keputusan atau suatu kebijakan Nachrowi, 2006: 5-6.
Penelitian pada proses pengelompokan data ini termasuk dalam penelitian Research and Development RD. Penelitian dan pengembangan juga
didefinisikan sebagai suatu metode penelitian yang digunakan untuk menghasilkan produk tertentu dan menguji keefektifan produk tersebut Sugiyono,2011: 2.
3.1. Tempat dan Waktu Penelitian
Penelitian ini dilaksanakan di Polrestabes Semarang yang terletak di Jalan Ronggolawe Selatan No.3, Kota Semarang dengan subyek penelitian adalah
laporan tahunan kecelakaan lalu lintas jalan raya Polrestabes Semarang tahun 2014.
28
3.2. Desain Penelitian
Penelitian ini dilakukan dengan pendekatan Research and Development metode k-means clustering dengan langkah-langkah sebagai berikut:
Gambar 3.1 Desain Penelitian Research and Development
3.3. Alat dan Bahan Penelitian
3.3.1 Alat Penelitian
Alat penelitian berupa komputer yang akan diimplementasikan prototipe perangkat lunak sistem informasi kecelakaan lalulintas jalan raya dengan konsep
workflow adalah komputer dengan spesifikasi komputer desktop pada umumnya. Implementasi pada lingkungan kerja nyata ketika sistem telah benar-benar
dioperasikan, tidak menutup kemungkinan spesifikasi komputer akan berubah mengikuti kebutuhan sistem.
Penelitian ini menggunakan alat penelitian berupa perangkat keras dan perangkat lunak, yaitu:
1. Perangkat keras
Processor Intel Core i5-3337U 1.8GHz, Besar Memori RAM 8 GB,
Kapasitas HDD 250GB, Monitor dengan resolusi 1024 x 768 px,
Perangkat mouse dan keyboard standar. 2.
Perangkat lunak Sistem Operasi Windows 10,
XAMPP Control Panel dengan Apache sebagai web server, PHP sebagai bahasa web-programming,
MySQL database, Web Browser Chrome,
Text Editor Notepad++, Dokumen editor yaitu Microsoft Office 2013,
Aplikasi pengolah angka yaitu Microsoft Excel 2013, DFD drawing tool yaitu EdrawMax Trial Version.
3.3.2 Bahan Penelitian
Bahan penelitian yang akan digunakan oleh penulis mencakup hasil survei dan observasi yang telah dilakukan. Bahan-bahan penelitian itu antara lain:
a. Laporan Kecelakaan Lalulintas Polrestabes Semarang Tahun 2014.
b. Laporan Kecelakaan Lalulintas Polda Jawa Tengah Tahun 2006-2014.
c. Kota Semarang Dalam Angka 2014 yang diterbitkan oleh Badan Pusat Statistik
BPS Kota Semarang.
3.4. Parameter Penelitian
K-Means adalah salah satu algoritma clustering yang sangat popular karena kesederhanaan dan kemampuannya dalam menangani data dengan skala
besar. Namun demikian algoritma ini sangat sensitif terhadap centroid awal. Perbedaan centroid awal akan memberikan perbedaan hasil clustering dan apabila
centroid awal yang diberikan adalah centroid yang tidak baik maka dapat dipastikan hasil clusteringnya juga tidak baik Achmad et al, 2014.
Kelemahan k-means clustering tersebut dapat diatasi dengan menggunakan metode yang tepat pada saat menentukan centroid awal. Untuk menentukan
ketepatan metode pada kasus data kecelakaan lalu lintas, maka digunakan dua metode penentuan centroid awal yang berbeda. Kedua metode tersebut adalah
simple random sampling dan analogy based estimation. Parameter yang digunakan dalam penelitian ini adalah jumlah iterasi dalam proses perhitungan k-means
terpendek dan memiliki anggota tetap atau perbedaan jarak antar centroid dengan iterasi sebelumnya mendekati angka 0 nol.
3.5. Teknik Pengumpulan Data
Teknik pengumpulan data dilakukan dengan tahapan sebagai berikut:
3.5.1
Observasi
Kegiatan observasi atau pengamatan dilakukan dengan mengumpulkan data mengenai kecelakaan lalu lintas ke instansi kepolisian. Data kecelakaan lalu lintas
secara umum terdapat pada Direktorat lalu lintas Polda Jawa Tengah pada unit laka lantas, kemudian diteruskan melakukan kegiatan observasi ke satuan lalu lintas
Polrestabes Semarang untuk mendapatkan laporan tahunan data kecelakaan lalu lintas yang dikeluarkan unit laka lantas Polrestabes Semarang. Berdasarkan
pengamatan yang telah dilakukan pada instansi kepolisian, data kecelakaan lalu lintas hanya diolah dengan statistik penjumlahan kejadian kecelakaan biasa. Data
kecelakaan tersebut mengandung banyak informasi yang dapat mengungkap penyebab terjadinya kecelakaan lalu lintas.
3.5.1 Wawancara
Wawancara dilakukan untuk mendengarkan asumsi dari instansi kepolisian dimana kepolisian merupakan pihak yang terjun langsung dalam kejadian
kecelakaan lalu lintas di wilayah Kota Semarang.
3.5.2 Studi Pustaka
Studi pustaka meliputi pengumpulan bahan-bahan yang diperoleh dari buku- buku dan jurnal-jurnal penelitian mengenai pengelompokan data menggunakan
metode K-means Clustering.
3.6. Kalibrasi Instrumen
Instrumen dikembangkan dalam bentuk preprocessing data dari laporan tahunan Polrestabes Semarang tahun 2014. Validitas yang diukur adalah validitas
hasil perhitungan manual menggunakan microsoft excel dan algoritma k-menas yang diterapkan pada sistem informasi analisis data kecelakaan. Hasil dari kedua
metode perhitungan dibandingkan satu sama lain untuk memastikan tidak ada kesalahan dalam perhitungan maupun penerapan algoritma k-means pada sistem.
Reliabilitas instrumen ini disajikan dengan cara membandingan modifikasi metode inisialisasi yang berbeda yaitu dengan menggunakan modifikasi inisialisasi
metode simple random sampling dan metode analogy based estimation. Hasil dari perhitungan menggunakan modifikasi inisialisasi simple random sampling kurang
efektif, sedangkan hasil dari modifikasi inisialisasi analogy based estimation yaitu sangat efektif.
3.7. Teknik Analisis Data
