PENERAPAN GAUSSIAN MIXTURE MODEL DAN ASSOCIATION RULE MINING UNTUK ANALISIS POLA MOBILITAS PENUMPANG TRANSJAKARTA

Wiguna, Arya Ade (2026) PENERAPAN GAUSSIAN MIXTURE MODEL DAN ASSOCIATION RULE MINING UNTUK ANALISIS POLA MOBILITAS PENUMPANG TRANSJAKARTA. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 123220058_Cover - Arya Ade absen tiga.pdf Download (150kB)
	Text 123220058_Abstrak - Arya Ade absen tiga.pdf Download (193kB)
	Text 123220058_Halaman Pengesahan - Arya Ade absen tiga.pdf Download (5MB)
	Text 123220058_Daftar Isi - Arya Ade absen tiga.pdf Download (256kB)
	Text 123220058_Daftar Pustaka - Arya Ade absen tiga.pdf Download (197kB)
	Text 123220058_Fulltext - Arya Ade absen tiga.pdf Restricted to Repository staff only Download (5MB)

Abstract

Mobilitas penumpang TransJakarta memiliki karakteristik yang dinamis karena dipengaruhi oleh waktu perjalanan, lokasi asal dan tujuan, durasi perjalanan, serta intensitas penggunaan layanan. Pendekatan segmentasi deterministik cenderung menghasilkan klaster yang kaku sehingga kurang mampu merepresentasikan kemungkinan tumpang tindih perilaku perjalanan penumpang. Selain itu, proses segmentasi saja belum cukup untuk menjelaskan keterkaitan pola perjalanan antar koridor dalam setiap kelompok penumpang. Oleh karena itu, penelitian ini berfokus pada pembentukan segmentasi mobilitas penumpang secara probabilistik serta analisis keterkaitan pola perjalanan antar koridor pada masing-masing klaster.
Penelitian ini menggunakan data transaksi tap-in dan tap-out TransJakarta yang diperoleh dari dataset publik. Data melalui tahapan data preparation yang meliputi evaluasi kualitas data, transformasi variabel waktu, filtering, feature engineering, imputasi nilai hilang, pembersihan data, penanganan outlier, dan normalisasi variabel. Pemodelan segmentasi dilakukan menggunakan Gaussian Mixture Model dengan seleksi jumlah klaster berdasarkan Bayesian Information Criterion dan evaluasi kualitas clustering. Hasil segmentasi kemudian digunakan sebagai dasar pembentukan transaksi untuk Association Rule Mining. Pada tahap ini, keterkaitan pola perjalanan antar koridor dianalisis menggunakan aturan asosiasi yang dievaluasi melalui support, confidence, dan lift.
Hasil penelitian menunjukkan bahwa dataset akhir yang digunakan dalam pemodelan berjumlah 168.132 observasi. Gaussian Mixture Model menghasilkan lima klaster mobilitas, yaitu Commuter Pagi, Commuter Sore, Commuter Pagi Dini, Penumpang Intensif, dan Penumpang Kasual. Segmentasi tersebut memperlihatkan perbedaan karakteristik perjalanan berdasarkan waktu, durasi, intensitas penggunaan, serta kecenderungan perjalanan rutin dan non-rutin. Hasil Association Rule Mining menunjukkan bahwa pola asosiasi paling stabil muncul pada segmen commuter, khususnya Commuter Sore dan Commuter Pagi Dini. Temuan ini menunjukkan bahwa kombinasi Gaussian Mixture Model dan Association Rule Mining mampu memberikan pemahaman yang lebih terstruktur terhadap pola mobilitas penumpang TransJakarta, baik dari sisi segmentasi perilaku maupun keterkaitan perjalanan antar koridor dalam setiap klaster. Secara praktis, hasil tersebut dapat menjadi dasar awal untuk membaca segmen penumpang yang memiliki perjalanan berulang, sehingga interpretasi rute tidak hanya bergantung pada frekuensi agregat.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	TransJakarta, Gaussian Mixture Model, Association Rule Mining, segmentasi mobilitas, pola perjalanan
Subjek:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	07 Oct 2026 02:27
Last Modified:	07 Oct 2026 02:27
URI:	http://eprints.upnyk.ac.id/id/eprint/49544

Actions (login required)

View Item