HAFIDZ
Kembali ke semua proyek

STUDI KASUS

Data & Analitik 2025

Analisis Kecelakaan Lalu Lintas dengan FP-Growth

Aplikasi web untuk mengolah data kecelakaan lalu lintas dengan FP-Growth. Hasil analisis tersedia dalam bentuk association rules, dashboard, peta hotspot GIS, riwayat analisis, file CSV, dan laporan.

TEKNOLOGI YANG DIGUNAKAN

Python / Flask / SQLAlchemy / SQLite / Pandas / mlxtend / Bootstrap 5 / Leaflet / Waitress

Pratinjau proyek Analisis Kecelakaan Lalu Lintas dengan FP-Growth

MASALAH

Data kecelakaan memuat banyak atribut seperti waktu, cuaca, kondisi jalan, kendaraan, tingkat korban, dan lokasi. Membaca tabel secara manual tidak cukup untuk menemukan kombinasi faktor yang sering muncul atau wilayah dengan konsentrasi kejadian tinggi ketika jumlah data terus bertambah.

FITUR UTAMA

  1. 01

    Import CSV & XLSX

    Struktur data divalidasi dan dinormalisasi sebelum disimpan untuk analisis.

  2. 02

    Parameter FP-Growth

    Periode, atribut, support, dan confidence dapat diatur untuk setiap analisis.

  3. 03

    Itemset & association rules

    Hasil memuat support, confidence, lift, serta riwayat sesi yang dapat dibuka kembali.

  4. 04

    Pemetaan hotspot GIS

    Heat layer, marker cluster, skor hotspot, dan peringkat lokasi membantu membaca sebaran kejadian.

  5. 05

    Dashboard & keluaran laporan

    Hasil dapat ditinjau melalui visualisasi, ekspor CSV, dan laporan rekomendasi siap cetak.

IMPLEMENTASI

Backend Flask menangani impor file CSV atau XLSX, validasi, normalisasi, dan penyimpanan dataset untuk setiap pengguna. Sebelum menjalankan FP-Growth, pengguna memilih periode, atribut, nilai support, dan confidence. Frequent itemsets serta association rules disimpan dalam riwayat analisis. Leaflet digunakan untuk menampilkan heat layer, marker cluster, dan peringkat hotspot berdasarkan frekuensi serta tingkat keparahan. Hasil analisis juga dapat dibuka melalui dashboard, diekspor ke CSV, dan dicetak sebagai laporan.

HASIL

Setiap sesi menyimpan frequent itemsets dan association rules beserta nilai support, confidence, dan lift. Pengguna dapat melihat lokasi kejadian pada peta, membandingkan hotspot, mengekspor hasil ke CSV, dan mencetak laporan.

Lanjut melihat proyek

Proyek sebelumnya Platform Edukasi Flora & Fauna Yamai ATID Proyek berikutnya Sistem Booking Maro Barbershop

Ingin membuat aplikasi dengan kebutuhan serupa?

Jelaskan siapa penggunanya, bagaimana prosesnya berjalan, dan fitur apa yang dibutuhkan. Saya akan mempelajarinya sebelum membahas solusi teknis.

Bahas Proyek