PENERAPAN DATA MINING UNTUK MEMPREDIKSI JUMLAH PENUMPANG BUS TRANS JOGJA MENGGUNAKAN TIME SERIES DATA
DOI:
https://doi.org/10.12928/jstie.v2i3.2886Abstract
Seluruh transaksi penumpang Bus Trans Jogja (BTJ) dilaporkan kepada UPT Trans Jogja. Data transaksi yang direkam oleh mesin pembaca pada setiap shelter-nya hanya digunakan untuk membuat laporan saja, padahal data tersebut juga dapat digali untuk mendapatkan informasi lain yang tersembunyi, namun analisis data manual bersifat lambat, mahal dan subjektif. Laporan data transaksi yang diterima UPT Trans Jogja terdiri atas 3 jenis transaksi yang dilakukan oleh penumpang baik transaksi timebase, non-timebase maupun bank. Terjadinya peningkatan jumlah penumpang dari awal pengoperasian BTJ hingga saat ini memungkinkan untuk dilakukan penggalian informasi sehingga diperoleh hasil prediksi tentang jumlah penumpang pada periode ke depan. Berdasarkan permasalahan tersebut, maka dibuat suatu penelitian untuk mengembangkan suatu aplikasi komputer yang mampu memberikan hasil prediksi yang dapat membantu pihak terkait dalam perencanaan atau pengambilan keputusan terhadap penggunaan tiket langganan.
Â
Langkah awal yang dilakukan dalam penelitian ini adalah melakukan pengumpulan data menggunakan metode wawancara, observasi, dokumentasi dan literatur. Langkah berikutnya adalah menganalisis data sehingga data-data tersebut dapat dilakukan tahapan-tahapan data mining. Adapun tahapan data mining adalah transformasi data, pemilihan data, pembersihan data, aplikasi teknik data mining, evaluasi pola dan representasi pengetahuan. Pembuatan diagram alir, perancangan aplikasi, coding dan pengujian sistem dilakukan di dalam tahap aplikasi teknik data mining.
Â
Dari penelitian yang dilakukan menghasilkan sebuah aplikasi data mining untuk memprediksi jumlah penumpang Bus Trans Jogja dengan menggunakan time series data dan metode Single Exponential Smoothing maupun Double Exponential Smoothing (2-Parameter Holt). Kesimpulan yang didapat dari penelitian ini adalah 7 dari 8 jenis transaksi time series data yang diprediksi lebih baik menggunakan metode Single Exponential Smoothing sedangkan 1 diantaranya lebih baik menggunakan metode Double Exponential Smoothing (2-Parameter Holt).
Â
Kata kunci : data mining, time series data, prediksi, Single Exponential Smoothing, Double Exponential Smoothing (2-Parameter Holt)
References
Anang, A. W.. 2012. Penerapan Metode Double Exponential Smoothing Untuk Estimasi Hasil Penjualan. Tugas Akhir. Jawa Timur : Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Pembangunan Nasional “Veteranâ€.
Han, J., Kamber, M.. 2001. Data Mining: Concept and Techniques. USA : Morgan Kaufmann Publishers.
Kadir, A.. 2005. Pemrograman Database dengan Delphi 7. Yogyakarta : Andi Offset.
Khosuma, D.. 2005. Pembuatan Aplikasi Data Mining untuk Melakukan Analisis Data Time Series Menggunakan Metode Qualitative Clustering. Skripsi. Surabaya: Jurusan Teknik Informatika FTI Universitas Kristen Petra.
Makridakis, S., Wheelwright, S. C., McGee, V. E.. 1995. Metode dan Aplikasi Peramalan (diterjemahkan oleh Ir. Untung Sus Andriyanto, M.Sc.), Jilid 1. Jakarta :Erlangga.
Makridakis, S., Wheelwright, S. C., McGee, V. E.. 2000. Metode dan Aplikasi Peramalan (diterjemahkan oleh Ir. Hari Suminto), Jilid 2. Jakarta : Interaksara.
Munawaroh, A.. 2010. Peramalan Jumlah Penumpang pada PT. Angkasa Pura I (Persero) Kantor Cabang Bandar Udara Internasional Adisutjipto Yogyakarta dengan Metode Winter’s Exponential Smoothing dan Seasonal Arima. Skripsi. Yogyakarta : Jurusan Pendidikan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam UNY.
Rosadi, Dedi. 2011. Analisis Ekonometrika & Runtun Waktu Terapan dengan R. Yogyakarta : Andi Offset.
Santosa, B.. 2007. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta : Graha Ilmu.
TAN, Pang-Ning. 2006. Introduction to Data Mining. USA : Pearson Addison Wesley.
Turban, E., dkk.. 2005. Decision Support Systems and Intelligent Systems. Yogyakarta : Andi Offset.
Downloads
Published
Issue
Section
License
License and Copyright Agreement
In submitting the manuscript to the journal, the authors certify that:
- They are authorized by their co-authors to enter into these arrangements.
- The work described has not been formally published before, except in the form of an abstract or as part of a published lecture, review, thesis, or overlay journal. Please also carefully read Journal Posting Your Article Policy.
- The work is not under consideration for publication elsewhere.
- The work has been approved by all the author(s) and by the responsible authorities – tacitly or explicitly – of the institutes where the work has been carried out.
- They secure the right to reproduce any material that has already been published or copyrighted elsewhere.
- They agree to the following license and copyright agreement.
Copyright
Authors who publish with Jurnal Sarjana Teknik Informatika agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
