<![CDATA[Transportasi publik memiliki peran strategis dalam mendukung mobilitas masyarakat di kawasan urban, terutama di kota metropolitan seperti Jakarta yang memiliki tingkat kepadatan lalu lintas tinggi. Untuk meningkatkan efisiensi operasional serta kualitas layanan, penyedia layanan transportasi perlu memahami karakteristik dan pola perilaku penumpang secara lebih mendalam. Penelitian ini bertujuan untuk melakukan segmentasi penumpang TransJakarta berdasarkan pola waktu perjalanan, rute perjalanan, dan jumlah pembayaran yang dilakukan. Metode yang digunakan dalam penelitian ini adalah Principal Component Analysis (PCA) untuk mereduksi dimensi data dan mengekstraksi fitur utama, serta K-Means Clustering untuk mengelompokkan penumpang ke dalam klaster yang memiliki kesamaan karakteristik. Analisis Elbow Method digunakan untuk menentukan jumlah klaster optimal, yang dalam hal ini adalah tiga klaster. Klaster pertama terdiri dari penumpang yang melakukan perjalanan jauh dengan jumlah pembayaran tinggi. Klaster kedua mencakup penumpang yang cenderung melakukan perjalanan pendek dengan jumlah pembayaran yang rendah, dan klaster ketiga merupakan penumpang dengan karakteristik perjalanan menengah dari segi jarak dan pembayaran. Segmentasi ini memberikan wawasan penting yang dapat digunakan oleh pengelola layanan TransJakarta dalam menetapkan kebijakan strategis, seperti perencanaan rute yang lebih efisien, penyesuaian tarif berdasarkan segmentasi pengguna, serta penyusunan strategi pemasaran yang lebih tepat sasaran. Hasil penelitian ini menunjukkan bahwa pendekatan berbasis data dapat menjadi alat yang efektif untuk mendukung pengambilan keputusan dalam pengelolaan sistem transportasi publik yang adaptif dan berkelanjutan.]]>
