LAPORAN PENELITIAN INTEGRASI BUSINESS INTELLIGENCE DAN MODEL DEEP LEARNING HYBRID LSTM-TRANSFORMER UNTUK PREDIKSI DAN PENGAMBILAN KEPUTUSAN OPERASIONAL SISTEM BRT (BUS RAPID TRANSIT)

SISWANTO, JOKO and CHRISTIN, GLORIANI NOVITA and HAKIM, MUHAMMAD IMAN NUR and SHOFIAH, SITI and TOHOM, FRANS and SAPUTRA, MARENDRA ATHASYAH ARHANDIKA and NAINGGOLAN, IIN APRIYANTI and ATTAWUWUR, MEGA SINTYA OSE (2026) LAPORAN PENELITIAN INTEGRASI BUSINESS INTELLIGENCE DAN MODEL DEEP LEARNING HYBRID LSTM-TRANSFORMER UNTUK PREDIKSI DAN PENGAMBILAN KEPUTUSAN OPERASIONAL SISTEM BRT (BUS RAPID TRANSIT). Technical Report. POLITEKNIK KESELAMATAN TRANSPORTASI JALAN, TEGAL. (Submitted)

[img] Text (LAPORAN PENELITIAN)
LAPORAN PENELITIAN INTEGRASI BUSINESS INTELLIGENCE DAN MODEL DEEP LEARNING HYBRID LSTM-TRANSFORMER UNTUK PREDIKSI DAN PENGAMBILAN KEPUTUSAN OPERASIONAL SISTEM BRT (BUS RAPID TRANSIT).pdf
Restricted to Registered users only
Download (1MB) | Request a copy

Abstract

Prediksi time-series jumlah penumpang BRT multivariat menghadapi tantangan non- stasioneritas dan variasi skala antar koridor. Pemilihan dan penggunaan Teknik scaling yang optimal diusulkan untuk meningkatkan akurasi model deep learning. Perbandingan enam teknik scaling pada lima model deep learning menggunakan dataset 13 koridor BRT Transjakarta (2021–2023) dengan evaluasi MSLE. Rolling Normalization menjadi kinerja terbaik (MSLE 0.0509 dan peningkatan akurasi 99.54%) pada model BiLSTM-Transformer berhasil menstabilkan distribusi data dan mengungkap tiga kluster koridor serta pola penurunan sinkron di hari ke-6, 13, 20. Keunggulan disebabkan kemampuan adaptasi pada pola musiman dan pencegahan data leakage. Prediksi time-series menggambarkan variasi jumlah penumpang untuk mendukung pengambilan keputusan dalam optimalisasi operasional BRT.

Item Type: Monograph (Technical Report)
Uncontrolled Keywords: component, rolling normalization, BiLSTM-Transformer, prediksi timeseries, optimasi BRT
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions: Pusat Penelitian dan Pengabdian kepada Masyarakat > Pusat Penelitian dan Pengabdian kepada Masyarakat
Depositing User: PUSAT PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT PKTJ
Date Deposited: 02 Feb 2026 08:09
Last Modified: 02 Feb 2026 08:09
URI: http://eprints.pktj.ac.id/id/eprint/4233

Actions (login required)

View Item View Item
PKTJ Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.