ANALISIS CART (CLASSIFICATION AND REGRESSION TREES) UNTUK PREDIKSI PENGGUNA SEPEDA BERDASARKAN CUACA

Annida Purnamawati, Monikka Nur Winnarto, Mely Mailasari

Abstract


Penelitian ini menyajikan model klasifikasi berbasis aturan untuk prediksi pengguna sepea berdasarkan cuaca. Pengguna sepeda sangat populer karena kenyamanan dan kelestarian lingkungan menjadi meningkat. Data yang digunakan  merupakan data publik dari Bike Sharing Dataset yang diambil dari Kaggle. Data tersebut memiliki data pengguna sepeda setiap jam. Dengan dataset tersebut penulis berhasil menemukan akurasi dari metode CART yang menjelaskan hasil akurasinya mencapai 96%. Hasil dari penelitian tersebut dengan menunjukkan arsitektur perkiraan distribusi di bawah berbagai sepeda dengan spatiotemporal variable, pendistribusian penggunaan dan waktu termasuk di merupakan variabl yang paling berpengaruh dalam prediksi pengguna sepeda tersebut.


Full Text:

PDF

References


C. Jiang, Z. Wang, R. Wang, and Y. Ding, “Loan default prediction by combining soft information extracted from descriptive text in online peer-to-peer lending,” Ann. Oper. Res., vol. 266, no. 1–2, pp. 511–529, 2018, doi: 10.1007/s10479-017-2668-z.

W. El-assi, M. S. Mahmoud, and P. K. N. Habib, “Effects of Built Environment and Weather on Bike Sharing Demand : A Station Level Analysis of Commercial Bike Sharing in Toronto.”

S. V E and Y. Cho, “A rule-based model for Seoul Bike sharing demand prediction using weather data,” Eur. J. Remote Sens., vol. 53, no. sup1, pp. 166–183, 2020, doi: 10.1080/22797254.2020.1725789.

V. Albuquerque, F. Andrade, J. Ferreira, M. Dias, and F. Bacao, “Bike-sharing mobility patterns: a data-driven analysis for the city of Lisbon,” EAI Endorsed Trans. Smart Cities, vol. 5, no. 16, p. 169580, 2018, doi: 10.4108/eai.4-5-2021.169580.

R. K. Bock et al., “Methods for multidimensional event classification: A case study using images from a Cherenkov gamma-ray telescope,” Nucl. Instruments Methods Phys. Res. Sect. A Accel. Spectrometers, Detect. Assoc. Equip., vol. 516, no. 2–3, pp. 511–528, 2004, doi: 10.1016/j.nima.2003.08.157.

H. Amalia and E. Evicienna, “Komparasi Metode Data Mining Untuk Penentuan Proses Persalinan Ibu Melahirkan,” J. Sist. Inf., vol. 13, no. 2, p. 103, 2017, doi: 10.21609/jsi.v13i2.545.

M. M. Ghiasi, S. Zendehboudi, and A. A. Mohsenipour, “Decision tree-based diagnosis of coronary artery disease: CART model,” Comput. Methods Programs Biomed., vol. 192, p. 105400, 2020, doi: 10.1016/j.cmpb.2020.105400.

A. Dessy, “Perbandingan Ketepatan Klasifikasi Antara Metode Regresi logistik dan Klasifikasi Pohon,” 2015.

A. Sururi, “Inovasi Kebijakan dalam Perspektif Administrasi Publik Menuju Terwujudnya Good Public Policy Governance,” vol. 12, pp. 14–31, 2017, doi: 10.31227/osf.io/6djph.

R. Rosliana and R. Loisa, “Strategi Cyber Public Relatons dalam Memanfaatkan Media Sosial untuk Membangun Citra Perusahaan,” Prologia, vol. 2, no. 2, p. 480, 2019, doi: 10.24912/pr.v2i2.3733.




DOI: https://doi.org/10.33365/jti.v16i1.1478

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Annida Purnamawati

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JURNAL TEKNOINFO
Published by Universitas Teknokrat Indonesia
Organized by Prodi S1 Informatika FTIK Universitas Teknokrat Indonesia

W: http://ejurnal.teknokrat.ac.id/index.php/teknoinfo/index
E : teknoinfo@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jumlah Pengunjung : View Teknoinfo StatsCounter

Flag Counter