MODEL PREDIKSI TABRAKAN BERBASIS MACHINE LEARNING DALAM SISTEM INTERNET OF VEHICLES (IoV)

  • Raden Teddy Iswahyudi Universitas Esa Unggul
  • Nizirwan Anwar Universitas Esa Unggul
Keywords: Internet of Vehicles, Prediksi Tabrakan, Machine Learning, Feature Selection, SVM

Abstract

Perkembangan Internet of Vehicles (IoV) menghadirkan peluang signifikan dalam peningkatan keselamatan berkendara melalui sistem prediksi tabrakan berbasis data. Penelitian ini bertujuan untuk mengembangkan model prediktif yang akurat dan efisien dengan menggunakan pendekatan machine learning, khususnya algoritma klasifikasi seperti Support Vector Machine (SVM), Random Forest, dan Multi Layer Perceptron (MLP). Dataset yang digunakan berasal dari Kaggle dan mencakup 207.000 entri dengan fitur-fitur seperti kecepatan kendaraan, jarak antar kendaraan, status pengemudi, kondisi lingkungan, dan atribut jaringan komunikasi. Tahapan penelitian meliputi eksplorasi data, preprocessing, seleksi fitur, pelatihan model, dan evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan performa model yang sangat tinggi, yaitu akurasi 99,99%, presisi 99,99%, recall 100%, dan F1-score 99,99%. Evaluasi confusion matrix menunjukkan bahwa hampir semua kasus diklasifikasikan dengan benar, dan nilai AUC ROC curve sebesar 0,9999999 menandakan kemampuan diskriminasi yang hampir sempurna. Fitur paling berpengaruh dalam prediksi tabrakan adalah status pengemudi, jumlah jalur, dan kapabilitas pengereman. Temuan ini menunjukkan bahwa model berbasis machine learning mampu mendeteksi potensi tabrakan secara tepat dan real-time, serta dapat diintegrasikan ke dalam sistem peringatan dini pada kendaraan cerdas, menjadikannya solusi potensial untuk mengurangi risiko kecelakaan dalam ekosistem IoV yang dinamis dan kompleks.

Published
2025-07-07