| dc.description.abstract | Taksi adalah segmen industri transportasi yang kompetitif dalam moda transportasi darat
dan dianggap sebagai sarana transportasi yang nyaman serta mudah untuk memenuhi
kebutuhan individu. Sulitnya mencari taksi pada jam-jam tertentu, ketidakseimbangan antara
permintaan dan persediaan taksi, serta lamanya pelanggan harus menunggu taksi adalah
beberapa masalah yang mungkin membuat pengoperasian taksi menjadi kurang optimal. Oleh
karena itu, diperlukan landasan pengetahuan untuk pengambilan keputusan manajemen
strategis guna memaksimalkan layanan taksi. Tujuan dari penelitian ini adalah menganalisis
data operasional layanan taksi yang dapat digunakan untuk mengenali wilayah serta waktu-
waktu permintaan layanan taksi yang tinggi. Data diolah menggunakan metode clustering
berbasis densitas DBSCAN dan pengukuran performa pemodelan hasil clustering
menggunakan metode silhouette coefficient.
Penelitian ini mengambil data set yang tersedia secara publik dan terbuka, yaitu data
perjalanan taksi di New York City. Adapun area studi berfokus pada wilayah Queens, New
York City untuk bulan januari, februari, dan maret 2016. Dalam prosesnya, terdapat beberapa
tahapan, yaitu penyaringan dataset, pre-processing, proses clustering, implementasi, dan
pengujian. Hasil menunjukkan bahwa dari bulan januari, februari, dan maret terbentuk cluster
yang memiliki pola yang mirip pada area cluster mayor yang berada di wilayah LaGuardia
Airport. Kemudian, jumlah penjemputan di setiap jam pada ketiga bulan tidak memiliki pola
perbedaan yang signifikan. Selanjutnya, diimplementasikan berbentuk aplikasi website dengan
menggunakan framework Streamlit, dan dilakukan pengujian pada aplikasi menggunakan
black box testing. Dengan demikian, hasil dari penelitian ini dapat dimanfaatkan sebagai
bantuan rekomendasi keputusan untuk meningkatkan jasa pelayanan taksi. | en_US |
