Pemodelan Peramalan Jumlah Kendaraan dan Penumpang yang Melakukan Penyeberangan dengan Kapal Ferry Menggunakan Neural Network

Dewandoro, Billy Yudho (2023) Pemodelan Peramalan Jumlah Kendaraan dan Penumpang yang Melakukan Penyeberangan dengan Kapal Ferry Menggunakan Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 06211940000084-Undergraduate_Thesis.pdf] Text
06211940000084-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2025.

Download (1MB) | Request a copy

Abstract

Indonesia merupakan negara kepulauan terbesar di dunia dan memiliki jumlah pulau yang sangat banyak. Maka dari itu, negara Indonesia memerlukan sebuah transportasi umum yang dapat mengakomodir kebutuhan tersebut. Salah satu transportasi umum yang dapat mengakomodir kebutuhan tersebut adalah kapal penyeberangan. Kapal penyeberangan memiliki kelebihan diantaranya memilik harga tiket murah dan dapat mengangkut dengan kapasitas banyak. Kelebihan tersebut menyebabkan tiap tahunnya pengguna dari kapal penyeberangan semakin meningkat, meskipun pada tahun 2020 sempat terjadi penurunan jumlah pengguna kapal penyeberangan akibat dari pandemi covid-19. Dengan kondisi tersebut, maka perlu dilakukan sebuah peramalan jumlah pengguna kapal penyeberangan kedepannya. Tujuan dilakukannya peramalan adalah agar perusahaan kapal penyeberangan bisa mengetahui jumlah perkiraan pengguna jasa mereka dan memperkirakan kebijakan yang harus diambil kedepannya. Maka dari itu pada penelitian ini akan dilakukan pemodelan untuk melakukan peramalan jumlah kapal dan penumpang dengan menggunakan neural network. Data jumlah kendaraan dan penumpang yang melakukan penyeberangan dengan kapal ferry menunjukkan bahwa pada periode April 2020 terjadi penurunan yang signifikan. Penurunan tersebut terjadi dikarenakan terjadinya pandemi covid-19. Kemudian data jumlah penumpang dan kendaraan memiliki pola fluktuasi yang serupa. Untuk model neural network terbaik yang terpilih adalah dengan input zk,t-1, zp,t-8, & zp,t-11, dengan struktur input layer dengan 3 node, hidden layer dengan 30 node, dan output layer dengan 2 node.
===============================================================================================================================
Indonesia is the largest archipelagic country in the world and has a vast number of islands. Therefore, Indonesia requires a public transportation system that can accommodate these needs. One of the public transportation systems that can meet these demands is the ferry service. The ferry service offers advantages such as affordable ticket prices and the capacity to carry a large number of passengers. These advantages have led to an increasing number of ferry users every year, despite a decline in 2020 due to the covid-19 pandemic.Given this situation, there is a need to forecast the future number of ferry users. The purpose of this forecast is to enable ferry companies to estimate the projected number of service users and plan their future policies accordingly. To achieve this, a neural network modeling will be employed.The data on the number of vehicles and passengers using the ferry service indicates a significant decline during the period of April 2020, which was caused by the covid-19 pandemic. Additionally, both the number of passengers and vehicles show similar fluctuations over time. The selected neural network model will utilize the following inputs: zk,t-1, zp,t-8, & zp,t-11, with an input layer consisting of 3 nodes, a hidden layer with 30 nodes, and an output layer with 2 nodes.

Item Type: Thesis (Other)
Uncontrolled Keywords: total of passenger, total of vehicle, neural network, jumlah penumpang, jumlah kendaraan, neural network
Subjects: H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics
Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions: Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Billy Yudho Dewandoro
Date Deposited: 24 Aug 2023 07:58
Last Modified: 24 Aug 2023 07:58
URI: http://repository.its.ac.id/id/eprint/104314

Actions (login required)

View Item View Item