Skripsi/Tugas Akhir

Analisis dan Prediksi Penjualan Tiket PO Primadona Menggunakan Algoritma Support Vector Regression (SVR)

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Industri transportasi merupakan sektor bisnis yang dinamis dan memiliki potensi pertumbuhan yang besar. Salah satu elemen kunci dalam industri ini adalah penjualan tiket, khususnya untuk perusahaan otobus seperti PO Primadona. Namun, fluktuasi penjualan tiket yang tidak terprediksi menimbulkan tantangan operasional dan finansial bagi perusahaan. Masalah seperti penurunan pendapatan ketika penjualan tiket rendah, kelebihan penumpang saat tiket terjual lebih dari kapasitas, serta kesulitan dalam perencanaan operasional adalah beberapa tantangan yang dihadapi. Untuk mengatasi tantangan tersebut, diperlukan prediksi penjualan tiket yang akurat guna membantu perusahaan dalam perencanaan kapasitas bus dan pengelolaan persediaan tiket yang lebih efisien. Penelitian ini menggunakan algoritma Support Vector Regression (SVR) untuk melakukan prediksi penjualan tiket berdasarkan data historis. Dengan memanfaatkan pola dan tren yang teridentifikasi dari data, prediksi ini bertujuan untuk memperkirakan jumlah tiket yang akan terjual di masa depan. Hasil yang diperoleh pada proses SVR adalah Best SVR MAE: 1.77588, dalam konteks ini, rata-rata kesalahan prediksi model SVR adalah sekitar 1.77588, Best SVR MSE: 7.67103 mengindikasikan bahwa model cenderung memiliki beberapa prediksi yang cukup jauh dari nilai aktual, meskipun secara umum performanya cukup baik jika dilihat dari nilai MAE, Best SVR MAPE: sebesar 0.01522 atau sekitar 1.052% berarti bahwa, rata-rata, prediksi model SVR meleset sekitar 1.052% dari nilai aktualnya.
Kata Kunci: Transportasi, Penjualan Tiket, Support Vector Regression (SVR)

ABSTRACT
The transportation industry is a dynamic business sector with significant growth potential. One key element in this industry is ticket sales, particularly for bus companies like PO Primadona. However, unpredictable fluctuations in ticket sales pose operational and financial challenges for companies. Issues such as revenue declines during low ticket sales periods, passenger overloads when tickets are oversold, and difficulties in operational planning are some of the challenges faced. To address these challenges, accurate ticket sales predictions are required to assist companies in bus capacity planning and more efficient ticket inventory management. This study uses the Support Vector Regression (SVR) algorithm to predict ticket sales based on historical data. By leveraging patterns and trends identified from the data, these predictions aim to estimate the number of tickets that will be sold in the future. The results obtained from the SVR process are as follows: Best SVR MAE: 1.77588, indicating the average prediction error of the SVR model is around 1.77588. Best SVR MSE: 7.67103, suggesting the model tends to have some predictions that deviate significantly from the actual values, although its overall performance is quite good when viewed from the MAE value. Best SVR MAPE: 0.01522 or approximately 1.052%, meaning that, on average, the model's predictions deviate by about 1.052% from the actual values.
Keywords: Transportation, Ticket Sales, Support Vector Regression (SVR)

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-50 YUN a - 0806TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xii + 59 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-50

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 10 September 2024

Subjek

Skripsi/Tugas Akhir
Forecasting
Algoritma Support Vector Regression

Lampiran File