IMPLEMENTASI METODE NAÏVE BAYES UNTUK MEMPREDIKSI PENGGUNAAN JASA TAKSI (Studi Kasus : PT. Para Bathara Surya “Taksi Silver”)

AGUS , SETYAWAN (2013) IMPLEMENTASI METODE NAÏVE BAYES UNTUK MEMPREDIKSI PENGGUNAAN JASA TAKSI (Studi Kasus : PT. Para Bathara Surya “Taksi Silver”). Undergraduate thesis, UPN "veteran" Jawa Timur.

Preview	PDF - Published Version Download (427Kb) | Preview
	PDF - Published Version Restricted to Repository staff only Download (1788Kb)

Abstract

Pelayanan yang optimal sangat diperlukan masyarakat dalam menggunakan jasa taksi, sehingga perusahaan taksi harus siap melayani dengan menyiapkan armada pada lokasi yang tepat. Faktor yang mempengaruhi banyaknya penggunaan taksi antara lain yaitu hari, waktu serta cuaca. Sehingga tujuan dari penelitian ini yaitu merancang sebuah aplikasi yang digunakan untuk memprediksi penggunaan jasa taksi berdasarkan parameter waktu, hari dan cuaca menggunakan metode Naïve Bayes dalam melakukan perhitungan, sehingga didapatkan hasil jumlah persentase banyak atau sedikitnya penggunaan jasa taksi serta penentuan hasil prediksi dan persentase setiap pool taksi. Sebuah parameter akan menjadi faktor penilaian atau perhitungan untuk memberikan sebuah outputyang dapat dijadikan sebagai acuan keputusan. Parameter yang akan dijadikan tolak ukur adalah cuaca, waktu dan hari. Sistem ini memberikan hasil berupa informasi penggunaan jasa taksi yang dapat mudah dimengerti oleh pengguna. Informasi yang dihasilkan berupa laporan data penggunaan jasa taksi dan area armada taksi, dimana dihitung berdasarkan data yang sudah dimasukkan ke sistem. Hasil dari penelitian ini didapatkan nilai rata-rata probabilitas banyak mencapai 0,035 sedangkan nilai rata-rata probabilitas sedikit 0,017, nilai probabilitas parameter hari kerja sebesar 74.24 % dan hari libur sebesar 47.91 %. Sedangkan pada setiap pool Ketintang 15.54 %, Klampis 13.67 %, Hercules 13,05 % dan Sidoarjo 19.89 % berdasarkan data tahun 2012, dimana nilai akurasi perhitungan dengan menggunakan metode Naïve Bayes pada sistem ini mencapai 83.33%, sedangkan peresentase kesalahan sebesar 16.67%

Actions (login required)