Perbandingan Prediksi Jumlah Transaksi Ojek Online Menggunakan Regresi Linier Dan Random Forest
DOI:
https://doi.org/10.29407/gj.v7i3.20676Keywords:
Online Motorcycle Taxis, Pontianak, Predictions, Random Forest, Linear RegressionAbstract
Pada saat ini kemajuan teknologi memberikan dampak yang signifikan terhadap kehidupan manusia. Salah satunya adalah industri transportasi. Masyarakat beralih dari ojek tradisional ke ojek online. Dalam menghadapi pesatnya pertumbuhan industri ojek online, penyedia layanan transportasi harus memahami faktor-faktor yang mempengaruhi jumlah transaksi pengguna dalam menggunakan layanan tersebut. Tujuan dari penelitian ini yaitu memprediksi tarif ojek online menggunakan metode regresi linier dan random forest dengan memperhitungkan semua karakteristik yang relevan. Setelah dianalisis, model regresi linier memberikan kinerja yang lebih baik dalam hal kesalahan prediksi (RMSE dan MSE) serta MAPE yang lebih rendah dibandingkan dengan model random forest. Untuk penelitian selanjutnya, diharapkan agar dilakukan analisis yang lebih mendalam pada dataset, guna mencapai peningkatan nilai MSE, RMSE, dan MAPE.
References
A. K. M. Sugianto, “Tingkat Ketertarikan Masyarakat Terhadap Transportasi Online, Angkutan Pribadi Dan Angkutan Umum Berdasarkan Persepsi,” J. Teknol. Transp. dan Logistik, vol. 1, no. 2, pp. 51–58, 2020.
C. Andini and D. Akbar, “Tantangan Pariwisata pada Wilayah Perbatasan dalam Era Disrupsi Teknologi: Studi Kasus Regulasi Transportasi Online di Kota Batam, Kepulauan Riau,” Indones. J. Tour. Leis., vol. 1, no. 2, pp. 73–81, 2020, doi: 10.36256/ijtl.v1i2.102.
N. R. Lase and F. Riandari, “Perancangan Aplikasi Prediksi Jumlah Pendaftar Siswa Baru Dengan Metode Regresi Linier (Studi Kasus: SMA RK Deli Murni Bandar Baru),” J. Nas. Komputasi dan Teknol. Inf., vol. 3, no. 3, pp. 330–334, 2020, doi: 10.32672/jnkti.v3i3.2520.
N. Suhandi, E. A. K. Putri, and S. Agnisa, “Analisis Pengaruh Jumlah Penduduk terhadap Jumlah Kemiskinan Menggunakan Metode Regresi Linear di Kota Palembang,” J. Ilm. Inform. Glob., vol. 9, no. 2, pp. 77–82, 2018, doi: 10.36982/jig.v9i2.543.
A. Saiful, “Prediksi Harga Rumah Menggunakan Web Scrapping dan Machine Learning Dengan Algoritma Linear Regression,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 1, pp. 41–50, 2021, doi: 10.35957/jatisi.v8i1.701.
K. Puteri and A. Silvanie, “Machine Learning Untuk Model Prediksi Harga Sembako Dengan Metode Regresi Linier Berganda,” J. Nas. Inform., vol. 1, no. 2, pp. 82–94, 2020.
S. Saadah and H. Salsabila, “Prediksi Harga Bitcoin Menggunakan Metode Random Forest (Studi Kasus: Data Acak Pada Awal Masa Pandemic Covid-19),” J. Komput. Terap., vol. 7, no. Vol. 7 No. 1 (2021), pp. 24–32, 2021, doi: 10.35143/jkt.v7i1.4618.
S. Supriyanto, M. Ilhamsyah, and U. Enri, “Prediksi Harga Minyak Kelapa Sawit MenggunakanLinear Regression Dan Random Forest,” J. Ilm. Wahana Pendidik., vol. 8, no. 7, pp. 1–8, 2022, doi: 10.5281/zenodo.6559603.
E. Fitri and D. Riana, “Analisa Perbandingan Model Prediction Dalam Prediksi Harga Saham Menggunakan Metode Linear Regression, Random Forest Regression Dan Multilayer Perceptron,” METHOMIKA J. Manaj. Inform. dan Komputerisasi Akunt., vol. 6, no. 1, pp. 69–78, 2022, doi: 10.46880/jmika.vol6no1.pp69-78.
G. N. Ayuni and D. Fitrianah, “Penerapan metode Regresi Linear untuk prediksi penjualan properti pada PT XYZ,” J. Telemat., vol. 14, no. 2, pp. 79–86, 2019, [Online]. Available: https://journal.ithb.ac.id/telematika/article/view/321
H. K. Pambudi, P. G. A. Kusuma, F. Yulianti, and K. A. Julian, “Prediksi Status Pengiriman Barang Menggunakan Metode Machine Learning,” J. Ilm. Teknol. Infomasi Terap., vol. 6, no. 2, pp. 100–109, 2020, doi: 10.33197/jitter.vol6.iss2.2020.396.
M. Mahendra, R. Chandra Telaumbanua, A. Wanto, and A. Perdana Windarto, “Akurasi Prediksi Ekspor Tanaman Obat, Aromatik dan Rempah-Rempah Menggunakan Machine Learning,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 2, no. 6, pp. 207–215, 2022, doi: 10.30865/klik.v2i6.402.
N. Almumtazah, N. Azizah, Y. L. Putri, and D. C. R. Novitasari, “Prediksi Jumlah Mahasiswa Baru Menggunakan Metode Regresi Linier Sederhana,” J. Ilm. Mat. Dan Terap., vol. 18, no. 1, pp. 31–40, 2021, doi: 10.22487/2540766x.2021.v18.i1.15465.
M. Masruroh and K. F. Mauladi, “Penerapan Metode Regresi Linear Berganda Dalam Sistem Prediksi Nilai Ujian Nasional Siswa Smp,” J. Tek., vol. 12, no. 1, p. 1, 2020, doi: 10.30736/jt.v12i1.393.
F. H. Hamdanah and D. Fitrianah, “Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah,” J. Nas. Pendidik. Tek. Inform., vol. 10, no. 1, p. 23, 2021, doi: 10.23887/janapati.v10i1.31035.
D. Saputro and D. Swanjaya, “Analisa Prediksi Harga Saham Menggunakan Neural Network Dan Net Foreign Flow,” Gener. J., vol. 7, no. 2, pp. 96–104, 2023, doi: 10.29407/gj.v7i2.20001.
D. Swanjaya and D. Putra Pamungkas, “Analisa Hasil Prediksi Metode Least Square menggunakan Korelasi dan MAPE pada Toko PS,” Gener. J., vol. 5, no. 1, pp. 11–18, 2021, doi: 10.29407/gj.v5i1.15440.
N. Verma, “Linear Regression Algorithm Explained in Less Than 5 Minutes.” [Online]. Available: https://medium.com/@techynilesh/linear-regression-explained-in-less-than-5-minutes-5f90a26a33a8
R. Yehoshua, “Random Forest.” [Online]. Available: https://medium.com/@roiyeho/random-forests-98892261dc49
D. G. Nugroho, Y. H. Chrisnanto, and A. Wahana, “Analisis Sentimen Pada Jasa Ojek Online ... (Nugroho dkk.),” pp. 156–161, 2015.
N. A. Atamia, Y. Susanti, and S. S. Handajani, “Perbandingan Analisis Regresi Robust Estimasi-S dan Estimasi-M dengan Pembobot Huber dalam Mengatasi Outlier,” Pros. Semin. Nas. Mat., vol. 4, pp. 673–679, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
N. A. Iskandar, I. Ernawati, and Y. Widiastiwi, “Klasifikasi Diagnosis Penyakit Stroke Dengan Menggunakan Metode Random Forest,” Semin. Nas. Mhs. Ilmu Komput. dan Apl., pp. 432–441, 2022, [Online]. Available: https://conference.upnvj.ac.id/index.php/senamika/article/view/2190
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
