SKRIPSI DIGITAL
Penerapan Data Mining Forecasting untuk Peramalan Jumlah Penumpang Kereta Api pada Angkutan Lebaran 2026 (Studi Kasus Stasiun Semarang Tawang dan Stasiun Semarang Poncol) = APPLICATION OF DATA MINING FORECASTING FOR PREDICTING THE NUMBER OF TRAIN PASSENGERS DURING THE 2026 EID AL-FITR TRANSPORTATION PERIOD (Case Study of Semarang Tawang and Semarang Poncol Stations)
Sunu Widhi Nugroho, “PENERAPAN DATA MINING FORECASTING UNTUK PERAMALAN JUMLAH PENUMPANG KERETA API PADA ANGKUTAN LEBARAN 2026 (Studi Kasus Stasiun Semarang Tawang dan Stasiun Semarang Poncol)”, Skripsi Jurusan Akuntansi Politeknik Negeri Semarang, di bawah bimbingan Agus Suwondo, S.Kom., M.Kom. dan Dra. Mardinawati, M.M., 2025, 79 halaman.
PT Kereta Api Indonesia (Persero) Daop IV Semarang menghadapi tantangan dalam mengelola lonjakan penumpang yang masif selama periode Angkutan Lebaran, yang berdampak pada alokasi sumber daya yang belum optimal karena data historis belum dimanfaatkan secara maksimal. Penelitian ini bertujuan untuk menerapkan data mining forecasting guna meramalkan jumlah penumpang di Stasiun Semarang Tawang dan Semarang Poncol pada Angkutan Lebaran 2026, serta membandingkan kinerja tiga algoritma machine learning untuk menemukan model terbaik. Metode penelitian menggunakan kerangka kerja CRISP-DM dengan mengolah data historis jumlah penumpang Angkutan Lebaran tahun 2024 dan 2025. Tiga algoritma yang dibandingkan adalah K-Nearest Neighbor (k-NN), Random Forest, dan Decision Tree, yang diimplementasikan menggunakan perangkat lunak RapidMiner. Akurasi model dievaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa algoritma Random Forest dengan komposisi data 70% latih dan 30% uji memberikan kinerja terbaik, menghasilkan tingkat akurasi yang tergolong "Baik" dengan nilai MAPE sebesar 16,89%. Hasil peramalan ini dapat menjadi acuan berbasis data yang akurat bagi manajemen PT KAI untuk menyusun strategi operasional yang lebih efisien.
Kata Kunci: Data Mining, Forecasting, Random Forest, K-Nearest Neighbor, Decision Tree, Jumlah Penumpang Kereta Api, MAPE.
Tidak tersedia versi lain