Pada sektor transportasi, kecelakaan lalu lintas adalah sebuah permasalahan yang memerlukan perhatian ekstra. Menganalisis bagaimana kecelakaan lalu lintas diklasifikasikan sangat penting untuk menurunkan angka kecelakaan, khususnya di Kota Surakarta yang menjadi objek dalam penelitian ini. Penelitian ini memiliki tujuan untuk memperoleh model klasifikasi kecelakaan lalu lintas (kecelakaan ringan, sedang, atau berat) yang dihasilkan dengan salah satu metode dalam machine learning, yakni regresi logistik multinomial. Penelitian ini menggunakan data kecelakaan lalu lintas dari tahun 2018 hingga 2022 serta memasukkan variabel yang meliputi klasifikasi kecelakaan, tipe tabrakan, kondisi cahaya, cuaca, fungsi jalan, kelas jalan, karakteristik geometrik jalan, kondisi permukaan jalan, dan kemiringan jalan. Tujuannya adalah untuk mengidentifikasi variabel-variabel yang berpengaruh signifikan terhadap klasifikasi kecelakaan lalu lintas. Hasil dari penelitian ini mengungkapkan bahwa terdapat enam variabel yang berpengaruh signifikan terhadap peningkatan klasifikasi menjadi kecelakaan sedang. Variabel tersebut terdiri dari tipe tabrakan, cuaca, fungsi jalan, kelas jalan, kondisi geometrik jalan, dan kondisi permukaan jalan. Selanjutnya, terdapat empat variabel yang berpengaruh signifikan terhadap peningkatan klasifikasi menjadi kecelakaan berat, yang terdiri dari tipe tabrakan, kondisi cahaya, cuaca, dan fungsi jalan. Meskipun akurasi yang dihasilkan dari model adalah 72%, model ini memiliki kinerja yang rendah dalam memprediksi kelas minoritas karena ketidakseimbangan data yang ekstrem. Hasil dari penelitian ini menyoroti perlunya penelitian lebih lanjut untuk mengatasi ketidakseimbangan data ini.