Prediksi Jumlah Penumpang Bandar Udara Halu Oleo Kendari Menggunakan Multi-layer Perceptron

JOINTER : Journal of Informatics Engineering Pub Date : 2023-12-21 DOI:10.53682/jointer.v4i02.229

Ahmad Fadli Ramadhan, Rizal Adi Saputra

{"title":"Prediksi Jumlah Penumpang Bandar Udara Halu Oleo Kendari Menggunakan Multi-layer Perceptron","authors":"Ahmad Fadli Ramadhan, Rizal Adi Saputra","doi":"10.53682/jointer.v4i02.229","DOIUrl":null,"url":null,"abstract":"Transportasi, khususnya penerbangan, memiliki peran penting dalam mendukung kegiatan ekonomi dan sosial masyarakat. Dalam konteks ini, prediksi jumlah penumpang pesawat menjadi informasi yang penting untuk perencanaan dan pengelolaan bandara. Penelitian ini bertujuan untuk menggunakan metode Multilayer Perceptron (MLP) dalam memprediksi jumlah penumpang di Bandar Udara Halu Oleo Kendari. Metode MLP merupakan salah satu jenis neural network yang memiliki kemampuan prediksi yang tinggi. Dalam penelitian ini, train score dan test score digunakan untuk mengukur kinerja model MLP dalam memprediksi data training dan data testing. Selain itu, Mean Absolute Percentage Error (MAPE) digunakan untuk mengukur keakuratan prediksi model. Hasil penelitian menunjukkan bahwa train score sebesar 60% menandakan bahwa model mampu memprediksi data training dengan akurasi 60%. Sementara itu, test score sebesar 96% menunjukkan bahwa model memiliki kemampuan prediksi yang baik pada data testing yang belum pernah dilihat sebelumnya. MAPE sebesar 0.152% menunjukkan bahwa model memiliki tingkat kesalahan yang relatif rendah.","PeriodicalId":166079,"journal":{"name":"JOINTER : Journal of Informatics Engineering","volume":"21 12","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JOINTER : Journal of Informatics Engineering","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.53682/jointer.v4i02.229","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Transportasi, khususnya penerbangan, memiliki peran penting dalam mendukung kegiatan ekonomi dan sosial masyarakat. Dalam konteks ini, prediksi jumlah penumpang pesawat menjadi informasi yang penting untuk perencanaan dan pengelolaan bandara. Penelitian ini bertujuan untuk menggunakan metode Multilayer Perceptron (MLP) dalam memprediksi jumlah penumpang di Bandar Udara Halu Oleo Kendari. Metode MLP merupakan salah satu jenis neural network yang memiliki kemampuan prediksi yang tinggi. Dalam penelitian ini, train score dan test score digunakan untuk mengukur kinerja model MLP dalam memprediksi data training dan data testing. Selain itu, Mean Absolute Percentage Error (MAPE) digunakan untuk mengukur keakuratan prediksi model. Hasil penelitian menunjukkan bahwa train score sebesar 60% menandakan bahwa model mampu memprediksi data training dengan akurasi 60%. Sementara itu, test score sebesar 96% menunjukkan bahwa model memiliki kemampuan prediksi yang baik pada data testing yang belum pernah dilihat sebelumnya. MAPE sebesar 0.152% menunjukkan bahwa model memiliki tingkat kesalahan yang relatif rendah.

查看原文本刊更多论文

利用多层感知器预测哈卢奥莱奥肯达里机场的乘客数量

交通，尤其是航空，在支持经济和社会活动方面发挥着重要作用。在这种情况下，预测飞机乘客数量是机场规划和管理的重要信息。本研究旨在使用多层感知器（MLP）方法预测 Halu Oleo Kendari 机场的乘客数量。MLP 方法是神经网络的一种，具有很高的预测能力。本研究使用训练得分和测试得分来衡量 MLP 模型预测训练数据和测试数据的性能。此外，还使用平均绝对百分比误差（MAPE）来衡量模型预测的准确性。结果显示，训练得分为 60%，表明模型能够以 60% 的准确率预测训练数据。同时，测试得分 96% 表明该模型对从未见过的测试数据具有良好的预测能力。MAPE 为 0.152%，表明模型的错误率相对较低。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

JOINTER : Journal of Informatics Engineering

自引率

0.00%

发文量