Zidan Fahmi Az Zahir Hamzah, 2025. Optimalisasi Model Prediksi Keparahan Kecelakaan Lalu Lintas Berbasis Random Forest Dengan Penanganan Ketidakseimbangan Data. Tugas Akhir, Program Studi S-1 Teknik Sipil, Fakultas Teknik, Universitas Sebelas Maret, Surakarta.Permasalahan utama dalam pemodelan prediksi tingkat keparahan kecelakaan adalah adanya ketidakseimbangan pada distribusi data, di mana kasus kecelakaan ringan jauh lebih mendominasi dibandingkan kelas sedang dan berat. Kondisi ini menyebabkan model cenderung bias terhadap kelas mayoritas sehingga akurasi prediksi untuk kelas minoritas menurun. Oleh karena itu, diperlukan optimalisasi model klasifikasi agar mampu menghasilkan prediksi yang lebih seimbang dan representatif pada seluruh kelas tingkat keparahan kecelakaan.Penelitian ini bertujuan untuk mengembangkan model klasifikasi tingkat keparahan kecelakaan dengan algoritma Random Forest yang dioptimalkan menggunakan teknik Random Oversampling sebagai upaya mengatasi ketidakseimbangan data. Dataset yang digunakan adalah data kecelakaan lalu lintas Kota Surakarta periode 2018–2022, yang mencakup variabel tipe kecelakaan, kelas jalan, geometri jalan, kondisi permukaan jalan, jumlah kendaraan, waktu kejadian, dan variabel relevan lainnya. Metodologi penelitian meliputi preprocessing data, penerapan teknik oversampling, pelatihan model Random Forest, hyperparameter tuning dengan GridSearchCV, serta evaluasi model menggunakan metrik klasifikasi meliputi accuracy, precision, recall, f1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan akurasi sebesar 82%, dengan performa terbaik pada kelas sedang (precision dan recall mencapai 100%). Analisis feature importance menegaskan bahwa variabel Tipe Kecelakaan (Collision Type) memiliki pengaruh paling signifikan terhadap tingkat keparahan kecelakaan. Temuan ini membuktikan bahwa penerapan algoritma Random Forest dengan penanganan ketidakseimbangan data melalui Random Oversampling mampu menghasilkan model prediktif yang akurat dan seimbang, serta berpotensi digunakan sebagai sistem pendukung pengambilan keputusan dalam peningkatan keselamatan lalu lintas.