Pertumbuhan jumlah kendaraan di wilayah perkotaan menyebabkan peningkatan volume lalu lintas yang signifikan, khususnya di gerbang tol yang menjadi titik temu arus kendaraan. Salah satu lokasi yang sering mengalami kepadatan adalah Gerbang Tol Kebon Bawang, yang menjadi jalur strategis di Jakarta Utara. Penelitian ini bertujuan untuk mengenali pola kepadatan lalu lintas berdasarkan waktu, guna memberikan informasi berbasis data yang dapat membantu pengambilan keputusan dalam pengelolaan gerbang tol. Metode yang digunakan adalah K-Means Clustering, yaitu teknik pengelompokan data tanpa label (unsupervised learning) yang mampu membagi data ke dalam klaster berdasarkan kesamaan karakteristik. Penelitian ini mengolah data jumlah kendaraan per hari selama bulan Maret 2025, yang kemudian dianalisis menggunakan perangkat lunak Orange data mining. Proses analisis mencakup tahap preprocessing (pembersihan dan normalisasi data), penerapan algoritma KMeans, serta visualisasi hasil dalam bentuk scatter plot dan tabel interaktif. Hasil analisis menunjukkan terbentuknya dua klaster utama, yaitu hari-hari dengan kepadatan rendah (umumnya akhir pekan) dan hari-hari dengan kepadatan tinggi (mayoritas hari kerja). Temuan ini menjadi dasar dalam menyusun strategi operasional, seperti penambahan petugas, pengaturan buka- tutup gardu, dan penyampaian informasi waktu sibuk kepada pengguna jalan. Penelitian ini membuktikan bahwa pendekatan data mining tidak hanya berguna secara akademis, tetapi juga mampu memberikan dampak nyata dalam pengelolaan lalu lintas yang lebih efisien dan responsif.

S12100

INF 0127 2025

Bekasi

Tersedia