Kemacetan lalu lintas di perkotaan menjadi masalah yang semakin kompleks dengan meningkatnya jumlah kendaraan dan berbagai faktor eksternal. Penelitian ini merancang simulasi kemacetan menggunakan algoritma naive bayes untuk memprediksi kemungkinan kemacetan berdasarkan data historis lalu lintas. Tujuan dari penelitian ini untuk memberikan gambaran kepada pengendara tentang keadaan jalan macet, sedang, dan lancar. Dengan mempertimbangkan variabel variabel seperti hari kerja atau hari libur, cuaca, dan adanya acara. Algoritma ini dapat memberikan simulasi probabilistik mengenai tingkat kemacetan di suatu area. Hasil simulasi menunjukkan bahwa model simulasi ini berhasil mencapai tingkat akurasi sebesar 5%, yang mengindikasikan bahwa model ini cukup akurat dalam merancang simulasi kondisi kemacetan di area yang diteliti. Hasil simulasi diharapkan dapat membantu pengelolaan lalu lintas yang lebih efisien dan menjadi dasar pengambilan keputusan dalam merencanakan infrastruktur yang lebih baik.

Urban traffic congestion has become an increasingly complex issue due to the growing number of vehicles and various external factors. This research designs a congestion simulation using the Naive Bayes algorithm to predict the likelihood of traffic congestion based on historical traffic data. The objective of this study is to provide drivers with an overview of road conditions—whether congested, moderate, or clear. By considering variables such as workdays or holidays, weather, and events, this algorithm can offer a probabilistic simulation of congestion levels in a given area. The simulation results show that the model achieves an accuracy rate of 5%, indicating that the model is fairly accurate in simulating traffic conditions in the studied area. The simulation results are expected to help improve traffic management and serve as a foundation for decision-making in planning better infrastructure.