PENERAPAN METODE FACEBOOK PROPHET UNTUK MERAMALKAN JUMLAH PENUMPANG TRANS METRO BANDUNG KORIDOR 1
No Thumbnail Available
Date
2023-04-12
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Trans Metro Bandung (TMB) menjadi salah satu pilihan transportasi umum yang cukup populer di Bandung raya, hal ini dikarenakan harganya yang relatif murah dan cakupan rute yang luas. Pada bulan April 2020 jumlah penumpang TMB koridor 1 mengalami penurunan yang signifikan akibat pandemi Covid-19. Selain itu, faktor pemberhentian operasional Damri dan faktor hari libur menjadi faktor penyebab fluktuasi jumlah penumpang TMB. Fluktuasi jumlah penumpang akibat faktor eksternal yang tidak dibarengi oleh pembaruan kebijakan akan mengakibatkan layanan TMB menjadi tidak efektif dan efisien, hal ini akan mengakibatkan tidak maksimalnya pendapatan yang diperoleh oleh BLUD UPT Angkutan Dinas Perhubungan Kota Bandung. Untuk membantu mengatasi permasalahan tersebut diperlukan informasi mengenai jumlah penumpang TMB yang akan datang. Hasil peramalan ini dapat dijadikan referensi oleh BLUD UPT Angkutan Dinas Perhubungan Kota Bandung dalam menyesun kebijakan layanan TMB. Penelitian ini bertujuan untuk mendapatkan hasil peramalan jumlah penumpang TMB yang akurat pada enam bulan kedepan. Penelitian ini menggunakan data bulanan jumlah penumpang TMB dari tahun 2018 hingga bulan Juli 2022. Metode yang digunakan adalah metode time series dengan model Facebook Prophet. Model Facebook Prophet optimum yang didapat dalam penelitian ini berupa penambahan komponen extra regressor dan penambahan komponen holidays dengan nilai hyperparameters sebesar 0,1 untuk changepoint prior scale dan bernilai 10,0 untuk seasonality prior scale dan holidays prior scale. Model ini menghasilkan MAPE testing sebesar 4,62% dengan coverage sebesar 0,89. Peramalan jumlah penumpang TMB untuk enam bulan ke depan memiliki hasil yang berfluktuasi. Nilai terendah terjadi pada bulan Januari 2023 dan tertinggi pada bulan Agustus 2022.
Description
Keywords
Trans Metro Bandung, peramalan, time series