PEMANFAATAN MACHINE LEARNING UNTUK PREDIKSI TARIF TOL MENGGUNAKAN ALGORITMA XGB REGRESSOR

Khairi, Said Al (2024) PEMANFAATAN MACHINE LEARNING UNTUK PREDIKSI TARIF TOL MENGGUNAKAN ALGORITMA XGB REGRESSOR. Other thesis, Sekolah Tinggi Teknologi Terpadu Nurul Fikri.

[thumbnail of 2024-Said Al Khairi-Teknik Informatika-Fulltext - SAID AL KHAIRI.pdf] Text
2024-Said Al Khairi-Teknik Informatika-Fulltext - SAID AL KHAIRI.pdf

Download (7MB)

Abstract

Beberapa tahun terakhir jalan tol di Indonesia telah berkembang pesat, banyak jalan tol di Indonesia dibangun guna memperlancar lalu lintas di daerah yang telah berkembang dan meningkatkan pelayanan distribusi barang dan jasa guna menunjang pertumbuhan ekonomi. Selain itu, jalan tol memainkan peran penting sebagai bagian dari upaya untuk meningkatkan konektivitas antar kota dan wilayah serta mempercepat mobilitas masyarakat. Banyak manfaat jalan tol yang sudah dirasakan masyarakat Indonesia seperti, jalan tol Jagorawi yang melancarkan lalu lintas sehingga mempersingkat waktu tempuh daerah ke daerah lain, dan masih banyak lagi. Tujuan dari penelitian ini adalah membuat machine learning prediksi tarif jalan tol guna memberi acuan kepada masyarakat, mengoptimalkan tarif tol di Indonesia, serta memberikan masukkan tarif tol sebagai pertimbangan pemerintah terkait. Pendekatan penelitian ini adalah kuantitatif menggunakan regresi linier dengan algoritma xgb regressor. Hasil pembuatan machine learning prediksi tarif tol ini cukup akurat dimana hasil uji akurasi yang menggunakan metrik root mean squared error (RMSE) berada di angka 3390.691, dengan hasil testing menunjukan adanya beberapa tarif prediksi yang sesuai dengan tarif asli.

Kata kunci : tarif tol, machine learning, xgb regressor.

Item Type: Thesis (Other)
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Teknik Informatika
Depositing User: Pustakawan STT-NF
Date Deposited: 13 Sep 2024 08:12
Last Modified: 13 Sep 2024 08:12
URI: https://repository.nurulfikri.ac.id/id/eprint/662

Actions (login required)

View Item
View Item