3
1.2. Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan, maka rumusan masalahnya adalah: 1. Sulitnya menentukan faktor-faktor dominan yang mempengaruhi tingkat
injury severity kecelakaan lalu lintas. 2. Bagaimana menentukan arsitektur JST yang tepat sehingga dapat dengan
cepat memprediksi faktor dominan injury severity kecelakaan lalu lintas.
1.3. Batasan Masalah
Penelitian ini dilakukan dengan beberapa batasan, diantaranya: 1. Diasumsikan bahwa kondisi kendaraan yang digunakan masih dalam
kondisi baik. 2. Kondisi cuaca yang digunakan dalam penelitian tidak digambarkan secara
detail untuk setiap variabelnya. 3. Dalam penelitian ini tidak mempertimbangkan faktor human error seperti
pelanggaran lalu lintas ataupun kondisi psikologi pengendara. 4. Arsitektur yang digunakan adalah 11 input neuron, 2 hidden layer dan 3
output neuron.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini adalah membuat system yang mampu memprediksi faktor dominan injury severity kecelakaan lalu lintas.
1.5. Manfaat Penelitian
Adapun beberapa manfaat dari penelitian ini yaitu:
Universitas Sumatera Utara
4 1. Diharapkan dapat memberikan informasi mengenai tingkat akurasi Resilient
Backpropagation dalam bidang prediksi, terutama untuk masalah data yang kompleks dan memiliki tingkat nonlinear yang tinggi.
2. Memberikan informasi mengenai faktor dominan penyebab risiko kecelakaan lalu lintas berdasarkan hasil prediksi jaringan.
1.6. Metode Penelitian
Metodologi penelitian yang dilakukan oleh penulis dalam skripsi ini melalui beberapa tahap, yaitu:
1. Studi Literatur Pada tahap ini penulis mengumpulkan literatur dan referensi lainnya baik dari buku,
artikel, paper, jurnal, makalah maupun situs internet yang mendukung penelitian, diantaranya:
a. Referensi mengenai jaringan syaraf tiruan. b. Referensi mengenai algoritma backpropagation dan Resilient
Propagation. c. Referensi mengenai prediksi kecelakaan lalu lintas.
d. Data mengenai kecelakaan lalu lintas. 2. Pengolahan Data
Pada tahap ini penulis akan mengolah dataset yang telah diperoleh dengan memilih variable-variabel yang akan digunakan menjadi variabel input dan membagi dataset
kedalam dua bagian yaitu data pelatihan data training dan data pengujian data testing.
3. Analisis dan Rancangan Sistem Pada tahap ini penulis akan merancang arsitektur jaringan saraf tiruan dengan
menetukan jumlah input layer, hidden layer dan output layer beserta parameter- parameter yang akan digunakan. Kemudian penulis menganalisis bagaimana
menerapkan algoritma Backpropagation dalam memprediksi injury severity kecelakaan lalu lintas.
Universitas Sumatera Utara
5 4. Implementasi dan Pengujian Sistem
Pada tahap ini penulis akan mengimplementasikan hasil analisis dan rancangan sistem pada Matlab 2009. Selanjutnya akan dilakukan dua tahapan yaitu pelatihan jaringan
dan pengujian untuk mengetahui apakah sistem yang dibangun telah sesuai dengan hasil yang diharapkan.
5. Penulisan Laporan Pada tahap ini akan dilakukan penulisan dokumentasi hasil analisis dan implementasi
dari sistem yang telah dibangun sebagai laporan tugas akhir.
1.7. Sistematika Penulisan
Kategori