Kepadatan arus lalu lintas menjadi permasalahan setiap kota-kota besar. Kondisi ini menyebabkan terganggunya kelancaran lalu lintas dan menimbulkan kemacetan lalu lintas. Maka untuk penanggulangan arus lalu lintas diperlukan sebuah aplikasi yang dapat membantu kinerja arus lalu lintas menjadi optimal. Tujuan dari aplikasi web yang dibangun ini adalah mengetahui kondisi jalan berdasarkan frekuensi suara sehingga menghasilkan prediksi opsi jalan serta menguji tingkat akurasi arus lalu lintas. Untuk dapat menemukan hasil yang terbaik, penelitian ini menggunakan beberapa model machine learning untuk memprediksi tingkat kemacetan suatu jalan dengan data suara seperti Naïve Bayes, Logistic Regression, dan Random Forest. Dataset yang digunakan pada penelitian ini diambil dari hasil record lalu lintas. Pada penelitian ini didapatkan klasifikasi Naïve Bayes dan Logistic Regression lebih akurat daripada klasifikasi Random Forest.
Kata kunci : Klasifikasi, Naïve Bayes, Kemacetan Lalu Lintas, Suara