IRPIIRPI
MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer ScienceHubungan antara jumlah bus dan jumlah penumpang merupakan aspek penting dalam analisis transportasi perkotaan. Namun, pola distribusi dan kelompok data yang terbentuk sering kali tidak merata, sehingga menyebabkan ketidakseimbangan dalam hubungan tersebut. Penelitian ini bertujuan untuk mengidentifikasi pola distribusi dan mengelompokkan data jumlah bus dan penumpang menggunakan pendekatan unsupervised learning. Metode yang diuji coba terdiri dari empat model yaitu K-Means, Fuzzy C-Means (FCM), Gaussian Mixture Model (GMM), dan Spectral Clustering. Keempat model tersebut dibandingkan untuk mengukur seberapa baik model dapat mengelompokkan data dan mengungkap hubungan antara jumlah bus dan jumlah penumpang. Keempat model akan dievaluasi menggunakan Calinski-Harabasz Index, Silhouette Score, dan Davies-Bouldin Index untuk menemukan klaster optimal. Berdasarkan uji coba keempat model clustering menggunakan ketiga matriks evaluasi, semua model menunjukkan klaster optimalnya adalah 2 namun model K-Means memberikan kinerja terbaik dalam mengelompokkan data karena model K-Means memiliki nilai terbaik untuk setiap metrik evaluasi tersebut. Skor model K-Means pada Silhouette Score sebesar 0.5175, nilai model K-Means pada Davies-Bouldin Index sebesar 0.7241, dan skor untuk K-Means terhadap Calinski-Harabasz Index sebesar 1414.3874. Klaster 1 merepresentasikan jumlah bus dan jumlah penumpang yang tinggi sedangkan Klaster 2 merepresentasikan jumlah penumpang dan jumlah bus yang rendah. Sehingga hasil dari penelitian ini dapat menjadi acuan bagi pemerintah kota Jakarta dalam melakukan redistribusi bus dari wilayah dengan kebutuhan rendah ke wilayah dengan permintaan tinggi untuk efisiensi operasional.
Berdasarkan hasil analisis visualisasi sebaran data dan tabel-tabel evaluasi, dapat disimpulkan bahwa pemodelan klaster terhadap data jumlah penumpang dan jumlah bus selama tahun 2017–2019 menghasilkan dua kelompok utama dengan karakteristik yang sangat berbeda.Klaster 1 merepresentasikan wilayah atau waktu dengan intensitas penggunaan layanan tinggi (jumlah penumpang dan rasio penumpang/bus yang tinggi), sementara Klaster 2 menggambarkan layanan dengan permintaan lebih rendah dan distribusi data yang lebih menyebar.Perbedaan ini muncul sebagai hasil dari distribusi alami data yang menunjukkan adanya segmentasi dalam kebutuhan transportasi sekolah, kemungkinan dipengaruhi oleh ukuran sekolah, waktu operasional, atau lokasi geografis.Hasil ini sejalan dengan teori segmentasi dalam analisis data spasial dan transportasi, di mana kelompok padat dan kelompok sebar dapat muncul secara signifikan dalam sistem layanan publik.
Berdasarkan temuan penelitian ini, terdapat beberapa arah penelitian lanjutan yang dapat dieksplorasi untuk memperdalam pemahaman tentang hubungan antara jumlah bus dan penumpang. Pertama, penelitian selanjutnya dapat mengintegrasikan data spasial, seperti lokasi sekolah dan kepadatan penduduk, untuk mengidentifikasi pola geografis penggunaan bus dan mengoptimalkan rute. Kedua, analisis temporal yang lebih mendalam, dengan mempertimbangkan variasi harian dan mingguan, dapat membantu dalam memprediksi permintaan bus dan menyesuaikan jadwal operasional secara dinamis. Ketiga, penelitian dapat mengembangkan model prediktif yang menggabungkan data historis dengan faktor eksternal, seperti kondisi lalu lintas dan cuaca, untuk meningkatkan akurasi dalam memprediksi jumlah penumpang dan mengoptimalkan alokasi sumber daya transportasi.
- Determining the Optimal Number of Clusters using Silhouette Score as a Data Mining Technique | International... doi.org/10.3991/ijoe.v19i04.37059Determining the Optimal Number of Clusters using Silhouette Score as a Data Mining Technique International doi 10 3991 ijoe v19i04 37059
- Radware Bot Manager Captcha. radware manager captcha apologize ensure keep safe please confirm human... iopscience.iop.org/article/10.1088/1757-899X/725/1/012128Radware Bot Manager Captcha radware manager captcha apologize ensure keep safe please confirm human iopscience iop article 10 1088 1757 899X 725 1 012128
| File size | 341.04 KB |
| Pages | 8 |
| DMCA | Report |
Related /
AKMICIREBONAKMICIREBON 5 days based on vessel size), berth utilisation under different traffic scenarios, revenue, idle costs, and congestion management via predictive modelling.5 days based on vessel size), berth utilisation under different traffic scenarios, revenue, idle costs, and congestion management via predictive modelling.
PIPI Harga saham dipengaruhi oleh banyak hal, seperti berita keuangan yang menunjukkan sentimen pasar. Namun, banyak model prediksi bergantung pada data sebelumnyaHarga saham dipengaruhi oleh banyak hal, seperti berita keuangan yang menunjukkan sentimen pasar. Namun, banyak model prediksi bergantung pada data sebelumnya
IRPIIRPI This condition made the system inefficient. Therefore, a web-based information system was designed to manage activities such as recruitment, administration,This condition made the system inefficient. Therefore, a web-based information system was designed to manage activities such as recruitment, administration,
IRPIIRPI Selanjutnya, berdasarkan hasil perbandingan model klasifikasi menunjukkan bahwa pemodelan dengan model CNN memiliki akurasi tertinggi yaitu sebesar 72%.Selanjutnya, berdasarkan hasil perbandingan model klasifikasi menunjukkan bahwa pemodelan dengan model CNN memiliki akurasi tertinggi yaitu sebesar 72%.
IRPIIRPI Jumlah klaster ditentukan sebanyak empat kelompok (Sangat Rendah, Rendah, Sedang, dan Tinggi) dengan dasar pembagian kuartil, sehingga menghasilkan klasifikasiJumlah klaster ditentukan sebanyak empat kelompok (Sangat Rendah, Rendah, Sedang, dan Tinggi) dengan dasar pembagian kuartil, sehingga menghasilkan klasifikasi
IRPIIRPI Dinas Sosial Kabupaten Pelalawan merupakan instansi pemerintah yang bertugas memberikan pelayanan publik kepada masyarakat. Saat ini, pengukuran kepuasanDinas Sosial Kabupaten Pelalawan merupakan instansi pemerintah yang bertugas memberikan pelayanan publik kepada masyarakat. Saat ini, pengukuran kepuasan
IRPIIRPI Data yang digunakan berupa deret waktu univariat, yaitu laju inflasi bulanan dari Januari 2005 hingga Desember 2024, yang diperoleh dari Badan Pusat StatistikData yang digunakan berupa deret waktu univariat, yaitu laju inflasi bulanan dari Januari 2005 hingga Desember 2024, yang diperoleh dari Badan Pusat Statistik
IRPIIRPI 0653 for Nasa93 demonstrating its effectiveness in providing precise effort estimation. Despite its computational complexity and reliance on quality data,0653 for Nasa93 demonstrating its effectiveness in providing precise effort estimation. Despite its computational complexity and reliance on quality data,
Useful /
UNITAS PALEMBANGUNITAS PALEMBANG Teknik analisis data dilakukan secara kuantitatif dan deskriptif. Hasil analisis data menunjukkan adanya peningkatan minat belajar dan kemampuan pemecahanTeknik analisis data dilakukan secara kuantitatif dan deskriptif. Hasil analisis data menunjukkan adanya peningkatan minat belajar dan kemampuan pemecahan
AKMICIREBONAKMICIREBON Analisis fishbone mengidentifikasi penyebab utama terkait interval pemeliharaan yang tidak tepat dan keausan komponen, sementara tindakan korektif—pembersihanAnalisis fishbone mengidentifikasi penyebab utama terkait interval pemeliharaan yang tidak tepat dan keausan komponen, sementara tindakan korektif—pembersihan
IRPIIRPI Web humas merupakan platform krusial yang menghubungkan rumah sakit dengan masyarakat, menyediakan informasi layanan kesehatan, jadwal dokter, pengumuman,Web humas merupakan platform krusial yang menghubungkan rumah sakit dengan masyarakat, menyediakan informasi layanan kesehatan, jadwal dokter, pengumuman,
UNITAS PALEMBANGUNITAS PALEMBANG Berdasarkan hasil penelitian dan pembahasan, siswa mengalami kesulitan-kesulitan dalam menyelesaikan soal matematika berbasis pemetaan konsep (conceptBerdasarkan hasil penelitian dan pembahasan, siswa mengalami kesulitan-kesulitan dalam menyelesaikan soal matematika berbasis pemetaan konsep (concept