Skripsi

Prediksi jumlah penumpang kereta api menggunakan fuzzy time series / Much Arafat Al Mubarok

Abstrak
Transportasi adalah mengangkut atau membawa (sesuatu) dari suatu tempat ke tempat lain yang dapat dilakukan melalui darat udara maupun laut. Alat transportasi yang banyak di jumpai di kalangan masyarakat adalah transportasi darat seperti kereta api angkutan kota bus becak bemo bajaj dan ojek. Berbagai alat transportasi tersebut yang paling diminati oleh masyarakat untuk perjalanan jauh adalah kereta api karena menawarkan fasilitas yang murah dan nyaman. Namun banyaknya peminat ini juga dapat menjadi sebuah kendala bagi penyedia jasa angkutan kereta api yaitu PT Kereta Api Indonesia (PT KAI). Kendala yang sering dihadapi oleh PT KAI adalah pasang surutnya penumpang yang sulit diprediksi. Hal ini sering terjadi ketika musim liburan tiba. PT KAI harus memberangkatkan gerbong kereta api tambahan untuk mengatasi terjadinya lonjakan penumpang. Dan apabila gerbong tambahan tersebut tidak terdapat penumpang maka PT KAI akan mengalami kerugian. Untuk mengatasi hal tersebut dibutuhkan suatu prediksi yang dapat mengenali trend lonjakan penumpang dan mengetahui jumlah penumpang yang akan datang pada waktu tertentu. Proses prediksi ini akan menangani permasalahan pola jumlah penumpang yang berubah-ubah akibat berbagai faktor. Proses prediksi dapat dilakukan menggunakan data runtut waktu atau time series dengan beberapa algoritma prediksi. Pada penelitian ini algoritma Fuzzy Time Series akan digunakan untuk memprediksi jumlah penumpang kereta api. Untuk meningkatkan akurasi prediksi maka akan dilakukan variasi pada awal proses prediksi. Hasil prediksi menunjukkan bahwa ada peningkatan akurasi saat meningkatkan nilai pembagi pada proses penentuan interval. Pada periode hari memiliki akurasi terbaik 85 62% dengan nilai pembagi 8 sebelumnya memiliki akurasi 83 45% dengan nilai pembagi 2. Pada periode minggu memiliki akurasi terbaik 95 86% dengan nilai pembagi 8 sebelumnya memiliki akurasi 91 29% dengan nilai pembagi 2. Pada periode bulan memiliki akurasi terbaik 98 53% dengan nilai pembagi 8 sebelumnya memiliki akurasi 97 01% dengan nilai pembagi 2. Mengganti nilai pembagi dengan nilai yang lebih besar terbukti dapat meningkatkan akurasi algoritma

Informasi Detail

DDC

Rs 005.1 MUB p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 0.

Deskripsi Fisik

xvi, 77 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

03402/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang.

Subjek

1. ALGORIDMA KOMPUTER
2. FVZZY TIME SERIES
3. COMPUTER ALGORIDMA

Pembimbing

1. Aji Prasetya Wibawa ; 2. Ilham Ari Elbaith Zaeni

Lampiran Berkas