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 antar terminal 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 CRISPDM.
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:	28 Apr 2026 07:00
URI:	https://repository.unas.ac.id/id/eprint/15475

Actions (login required)

View Item