Analisis Pola Perjalanan Penumpang Transjakarta Menggunakan Algoritma K-Means dan Apriori

Kristiani Siboro, Hotmauli (2025) Analisis Pola Perjalanan Penumpang Transjakarta Menggunakan Algoritma K-Means dan Apriori. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (309kB)
	PDF BAB_II.pdf Download (402kB)
	PDF BAB_III.pdf Download (348kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (874kB)
	PDF BAB_V.pdf Download (200kB)
	PDF DAFTAR_PUSTAKA.pdf Download (212kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (401kB)

Abstract

Transportasi publik memainkan peran krusial dalam mendukung mobilitas masyarakat, terutama di kota besar seperti Jakarta yang kerap menghadapi kemacetan. Transjakarta, sebagai sistem Bus Rapid Transit (BRT) terbesar di Indonesia, menjadi tulang punggung transportasi publik ibu kota. Salah satu tantangan dalam pengelolaan sistem ini adalah memahami pola perjalanan penumpang dan hubungan antarhalte yang sering digunakan secara bersamaan. Penelitian ini dilakukan untuk mengidentifikasi pola perjalanan penumpang Transjakarta dan menganalisis asosiasi antarhalte guna mendukung pengambilan keputusan dalam perencanaan transportasi yang lebih efisien. Penelitian ini menggunakan pendekatan framework CRISP-DM dengan data perjalanan penumpang Transjakarta yang diperoleh dari platform Kaggle. Dua metode utama yang digunakan adalah algoritma K-Means untuk melakukan clustering penumpang berdasarkan karakteristik perjalanan, serta algoritma Apriori untuk menemukan aturan asosiasi antarhalte. Penentuan jumlah cluster pada K-Means dilakukan menggunakan metode Elbow dan Davies-Bouldin Index, sementara evaluasi hasil cluster menggunakan Calinski-Harabasz Index. Proses analisis dilakukan menggunakan bahasa pemrograman Python di lingkungan Jupyter Notebook. Hasil penelitian menunjukkan bahwa penumpang dapat dikelompokkan ke dalam empat cluster dengan karakteristik perjalanan yang berbeda, seperti frekuensi, durasi, dan jarak tempuh. Evaluasi menghasilkan nilai Calinski- Harabasz Index sebesar 96.335 yang menunjukkan pemisahan cluster yang baik. Algoritma Apriori berhasil menemukan pola asosiasi kuat antarhalte, terutama yang melibatkan halte Penjaringan dengan confidence sempurna dan nilai lift tinggi, yang menunjukkan keterkaitan perjalanan signifikan. Meskipun penelitian ini bersifat eksploratif dan menggunakan data historis, temuan yang dihasilkan dapat memberikan insight awal dalam segmentasi penumpang serta perencanaan pengelolaan rute dan armada secara lebih strategis.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Kristiani Siboro, Hotmauli (00000063975)
Contributors:	Evelin Johan, Monika
Keywords:	Apriori, K-Means, Segmentasi Penumpang, Transjakarta
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	10 Sep 2025 09:13
URI:	https://kc.umn.ac.id/id/eprint/40552

Actions (login required)

View Item