Abstrak
Kasus atau fenomena kemacetan lalu lintas merupakan masalah yang sering dihadapi di berbagai kota besar di seluruh dunia, termasuk di Indonesia. Fenomena kemacetan ini memiliki dampak yang cukup signifikan, baik bagi masyarakat maupun bagi pemerintah dan stakeholder terkait. Menurut hasil riset terbaru dari Institute Transportation and Development Policy (ITDP) menyebutkan, dalam setahun setiap warga yang tinggal di Jakarta dan sekitarnya menghabiskan waktu 400 jam hanya untuk pergi pulang dari rumah ke kantor. Pada penelitian ini, dilakukan klasifikasi suara kemacetan menggunakan metode Recurrent Neural Network. Metode tersebut mendapatkan nilai precision 0.8527, recall 0.8515, akurasi 0.9166, dan f1-score 0.8500 di skenario tanh+tanh+sigmoid dengan dropout 0,5 dan nilai epoch 15.
Kata kunci: klasifikasi, siara kemacetan, Recurrent Neural Network, akurasi.