KLASIFIKASI TINGKAT KEPADATAN PENUMPANG TERMINAL TRANJAKARTA BERDASARKAN DATA BULANAN MENGGUNAKAN ALGORITMA LIGHTGBM DAN XGBOOST

Ardita, Riani Nur (2026) KLASIFIKASI TINGKAT KEPADATAN PENUMPANG TERMINAL TRANJAKARTA BERDASARKAN DATA BULANAN MENGGUNAKAN ALGORITMA LIGHTGBM DAN XGBOOST. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (188kB)
	Text BAB II.pdf Download (512kB)
	Text BAB III.pdf Download (734kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (225kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

DKI Jakarta sebagai pusat mobilitas nasional menghadapi permasalahan kepadatan penumpang pada terminal transportasi umum, khususnya TransJakarta, yang bervariasi antarterminal dan periode waktu. Perbedaan tingkat kepadatan ini berpotensi memengaruhi efektivitas operasional layanan apabila tidak diidentifikasi secara objektif berbasis data. Penelitian ini bertujuan mengklasifikasikan tingkat kepadatan penumpang terminal TransJakarta berdasarkan data bulanan periode 2024–2025 menggunakan algoritma Light Gradient Boosting Machine (LightGBM) dan Extreme Gradient Boosting (XGBoost) dengan kerangka CRISP-DM. Hasil penelitian menunjukkan bahwa fitur total penumpang bulanan, total bus, dan rasio penumpang per bus merupakan variabel yang paling berpengaruh dalam proses klasifikasi. Evaluasi pada data uji menunjukkan bahwa kedua model memiliki akurasi yang relatif setara, yaitu sekitar 96%, dengan nilai precision, recall, dan F1-score yang seimbang di seluruh kelas kepadatan. LightGBM memiliki nilai recall yang lebih tinggi sehingga lebih sensitif dalam mendeteksi kejadian kepadatan penumpang. Analisis hasil klasifikasi menunjukkan bahwa Terminal Cililitan merupakan terminal dengan frekuensi kepadatan tinggi dan sangat tinggi paling sering sepanjang periode 2024–2025, sehingga menjadi prioritas utama evaluasi operasional. Selain itu, penelitian ini menghasilkan prototipe dashboard berbasis Streamlit yang menampilkan visualisasi tren kepadatan terminal, evaluasi performa model, serta hasil prediksi tingkat kepadatan terminal secara interaktif. Secara keseluruhan, kedua algoritma efektif untuk mengklasifikasikan tingkat kepadatan penumpang terminal TransJakarta berbasis data bulanan dan berpotensi mendukung evaluasi operasional serta perencanaan layanan transportasi perkotaan.

Item Type:	Thesis (Diploma)
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 07:00
Last Modified:	12 May 2026 03:20
URI:	https://repository.unas.ac.id/id/eprint/15475

Actions (login required)

View Item