Prediksi Jumlah Penumpang Kereta Api di Pulau Jawa Menggunakan Long Short-Term Memory (LSTM)
Transportasi merupakan bagian yang tidak dapat terpisahkan dari masyarakat dikehidupan sehari-hari. Pertumbuhan transportasi darat mengalami peningkatan seiring adanya pertumbuhan jumlah penduduk. Sejalan dengan pertumbuhan populasi, moda transportasi darat juga mengalami kenaikan. Kereta api sebagai salah satu moda transportasi darat, kini menjadi pilihan favorit banyak masyarakat Indonesia terutama di Pulau Jawa. Jumlah penumpang kereta api memiliki kecenderungan berubah-ubah khususnya di periode-periode tertentu seperti musim liburan yang mengalami lonjakan. Oleh karena itu, PT. KAI (Persero) perlu menyiapkan kereta api tambahan maupun fasilitas yang memadai pada saat mengalami lonjakan penumpang. Maka perlu untuk dapat memprediksi jumlah penumpang di masa yang akan datang menggunakan metode Long Short Term Memory (LSTM). Studi ini menggunakan data jumlah penumpang di kereta di Pulau Jawa mulai dari Januari 2006 hingga Mei 2023 didapat dari BPS. Hasil penelitian yang dilakukan adalah model yang optimal menggunakan Long Short Term Memory dengan konfigurasi LSTM 6-6-1. Menggunakan parameter batch size 32, epoch 100, serta penggunaan optimizer RMSProp, model tersebut menghasilkan nilai MAPE sebesar 21,73437794.
Kata Kunci : Penumpang, Kereta Api, Prediksi, Recurrent Neural Network, Long Short-Term Memory
URI
https://repo.itera.ac.id/depan/submission/SB2309290023
Keyword