Analisis Pola Transportasi Publik Menggunakan K- Means Clustering
Keywords:
K-Means Clustering, Analisis Spasial, Transportasi Publik, Pola Perjalanan, Analisis Klaster, Optimasi Rute.Abstract
Penelitian ini bertujuan untuk menganalisis pola penggunaan transportasi publik berbasis layanan Uber di New York City menggunakan algoritma K-Means Clustering. Dataset yang digunakan mencakup data pickup yang mencatat lokasi (latitude dan longitude) serta waktu. Proses analisis dilakukan menggunakan RapidMiner dengan langkah-langkah meliputi praproses data, normalisasi, pengelompokan klaster, dan evaluasi model. Hasil menunjukkan bahwa algoritma K-Means mampu mengidentifikasi lima wilayah pickup utama dengan nilai Silhouette Coefficient sebesar 0,65, menunjukkan klaster yang cukup terpisah.
References
Uber Technologies Inc. (2015). Uber Pickups in New York City Dataset. Retrieved from [https://www.kaggle.com](https://www.kaggle.com)
Jain, A. K. (2010). Data Clustering: 50 Years Beyond K-Means. Proceedings of the IEEE, 103(1), 1-23.
RapidMiner (2023). RapidMiner Studio. Retrieved from [https://www.rapidminer.com](https://www.rapidminer.com)
Kaufman, L., & Rousseeuw, P. J. (2005). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley- Interscience.
New York City Taxi and Limousine Commission (2015). TLC Trip Record Data. Retrieved from [https://www.nyc.gov](https://www.nyc.gov)
