Peramalan Jumlah Penumpang Kereta Api Jabodetabek Menggunakan Feed Forward Neural Network dengan Algoritma Backpropagation

Abstract

Abstract. Train is one of the land transportation who has quite a lot of interest for public because train’s tickets has a relatively cheap price. From year to year, train passengers has increases and may also decrease. The number of passengers is arranged in order time and that number of passengers who arranged in order time named time series. One method for analyzing time series is a feed-forward neural network. This method does not require assumptions in carrying out the analysis and the backpropagation algorithm is a simple algorithm that is most often used with weight adjustments so the models of feed-forward neural network have a small error. Therefore, the time series data on the number of train passengers in the Jabodetabek area in January 2006-October 2023 sourced from BPS has low complexity and is therefore applied for forecasting for the next 6 months using a feed-forward neural network with the backpropagation algorithm. Based on the results, the best neural network model was produced with a learning rate of 0.1 and the optimal model is model 5-10-1. Model 5-10-1 had an MSE value at the training stage is 0.00178 and a MAPE value at the training stage is 19%, which means the model is good for performing forecasting using training data. The optimal model was continued at the testing stage and have a MAPE value 36%, which means the model has a moderate ability to forecast when using testing data. The results of forecasting using the optimal model, each month in the next 6 months will have an increase and 2 times decrease but the decrease is not drastic.

Abstrak. Salah satu sarana transportasi darat yaitu kereta api memiliki peminat yang cukup banyak di kalangan masyarakat dikarenakan kereta api merupakan transportasi darat yang memiliki harga relatif murah. Tahun ke tahun penumpang kereta api mengalami kenaikan dan bisa juga mengalami penurunan, jumlah penumpang tersebut disusun sesuai urutan kejadiannya dan menjadikan jumlah penumpang tersebut termasuk kedalam data time series. Metode dalam menganalisis time series salah satunya adalah feed forward neural network. Metode ini tidak membutuhkan asumsi dalam melakukan analisisnya serta algoritma backpropagation merupakan algoritma sederhana yang paling sering digunakan dengan penyesuaian bobot sehingga mampu menghasilkan tingkat error yang kecil. Maka dari itu, data time series jumlah penumpang kereta api wilayah Jabodetabek pada Januari 2006-Oktober 2023 yang bersumber dari BPS memiliki kompleksitas yang kecil maka diterapkan untuk peramalan 6 bulan kedepan menggunakan feed forward neural network dengan algortima backpropagation. Berdasarkan hasil yang diperoleh, model terbaik neural network dihasilkan dengan learning rate sebesar 0,1 yaitu diperoleh model 5-10-1 yang memiliki nilai MSE tahap training sebesar 0,00178 serta nilai MAPE pada tahap training sebesar 19% yang mengartikan model baik untuk melakukan peramalan menggunakan data training. Model optimal yang diperoleh dilanjutkan pada tahap testing dan menghasilkan nilai MAPE sebesar 36% yang mengartikan model memiliki kemampuan yang sedang untuk melakukan peramalan jika menggunakan data testing. Hasil peramalan menggunakan model optimal, tiap bulan dalam 6 bulan kedepan memiliki kenaikan dan mengalami penurunan sebanyak 2 kali namun penurunan tidak drasits.