Identifikasi Hotspot Area dan Waktu Penjemputan Taksi menggunakan Spasial Clustering Berbasis Densitas

Abstract

Taksi adalah segmen industri transportasi yang kompetitif dalam moda transportasi darat dan dianggap sebagai sarana transportasi yang nyaman serta mudah untuk memenuhi kebutuhan individu. Sulitnya mencari taksi pada jam-jam tertentu, ketidakseimbangan antara permintaan dan persediaan taksi, serta lamanya pelanggan harus menunggu taksi adalah beberapa masalah yang mungkin membuat pengoperasian taksi menjadi kurang optimal. Oleh karena itu, diperlukan landasan pengetahuan untuk pengambilan keputusan manajemen strategis guna memaksimalkan layanan taksi. Tujuan dari penelitian ini adalah menganalisis

data operasional layanan taksi yang dapat digunakan untuk mengenali wilayah serta waktu- waktu permintaan layanan taksi yang tinggi. Data diolah menggunakan metode clustering

berbasis densitas DBSCAN dan pengukuran performa pemodelan hasil clustering menggunakan metode silhouette coefficient. Penelitian ini mengambil data set yang tersedia secara publik dan terbuka, yaitu data perjalanan taksi di New York City. Adapun area studi berfokus pada wilayah Queens, New York City untuk bulan januari, februari, dan maret 2016. Dalam prosesnya, terdapat beberapa tahapan, yaitu penyaringan dataset, pre-processing, proses clustering, implementasi, dan pengujian. Hasil menunjukkan bahwa dari bulan januari, februari, dan maret terbentuk cluster yang memiliki pola yang mirip pada area cluster mayor yang berada di wilayah LaGuardia Airport. Kemudian, jumlah penjemputan di setiap jam pada ketiga bulan tidak memiliki pola perbedaan yang signifikan. Selanjutnya, diimplementasikan berbentuk aplikasi website dengan menggunakan framework Streamlit, dan dilakukan pengujian pada aplikasi menggunakan black box testing. Dengan demikian, hasil dari penelitian ini dapat dimanfaatkan sebagai bantuan rekomendasi keputusan untuk meningkatkan jasa pelayanan taksi.