PEMODELAN PREDIKSI VOLUME PENUMPANG TRANSJAKARTA MENGGUNAKAN METODE REGRESI PADA ALGORITMA MACHINE LEARNING

• ILHAM MAULANA WIJAYA
• 2025

---

Pertumbuhan populasi dan urbanisasi di Jakarta menimbulkan tantangan besar terhadap penyediaan transportasi publik yang efektif, khususnya pada layanan Transjakarta yang menghadapi fluktuasi volume penumpang sehingga menyulitkan pengelolaan kapasitas dan operasional. Penelitian ini bertujuan untuk memodelkan prediksi volume penumpang Transjakarta menggunakan metode regresi berbasis algoritma machine learning dengan membandingkan tiga model, yaitu Regresi Linear, Random Forest Regression dan Gradient Boosted Trees Regression. Data yang digunakan berupa catatan historis penumpang rute S21 (Ciputat–CSW/Tosari) dan S22 (Ciputat–Kampung Rambutan) periode Januari 2022 hingga Maret 2025. Data diolah melalui tahapan pra-pemrosesan, transformasi variabel kategorikal, pembagian data training dan testing, serta evaluasi menggunakan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE) dan Koefisien Determinasi (R²). Hasil penelitian menunjukkan bahwa Gradient Boosted Trees Regression memberikan kinerja prediksi terbaik dengan nilai R² sebesar 0,73 dan rata-rata kesalahan ±22 ribu penumpang, lebih unggul dibandingkan Regresi Linear (R² = 0,65) maupun Random Forest Regression (R² = 0,63). Temuan ini menegaskan bahwa pendekatan ensemble boosting lebih efektif dalam menangkap pola non-linear pada data penumpang, sehingga dapat dijadikan model prediksi optimal untuk mendukung efisiensi operasional, perencanaan armada, serta pengembangan strategi transportasi publik yang adaptif dan berkelanjutan.

• Transjakarta
• prediksi volume penumpang
• regresi
• machine learning
• Gradient Boosted Trees.

https://repository.bsi.ac.id/repo/70828/PEMODELAN-PREDIKSI-VOLUME-PENUMPANG-TRANSJAKARTA-MENGGUNAKAN-METODE-REGRESI--PADA-ALGORITMA-MACHINE-LEARNING
Anda dapat membaca file tugas akhir ini di repository.