Claim Missing Document
Check
Articles

Found 1 Documents
Search

Komparasi Algoritma Machine Learning Regresi untuk Prediksi Durasi Perjalanan Taksi di New York City Nicholas; Wibowo, M.Taufik; Abdillah, Ridwan; Hafizh, Raffi Hibban; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 3 No 9 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Estimasi waktu tempuh atau Estimated Time of Arrival (ETA) memiliki dampak langsung terhadap efisiensi operasional armada transportasi dan kepuasan konsumen. Namun, memprediksi durasi perjalanan di kota metropolitan seperti New York City (NYC) merupakan tantangan kompleks karena dipengaruhi oleh faktor dinamis seperti jarak, waktu, dan pola lalu lintas. Penelitian ini bertujuan untuk membangun dan membandingkan kinerja model machine learning berbasis regresi untuk memprediksi durasi perjalanan taksi NYC. Algoritma yang diuji meliputi Linear Regression, Random Forest, Gradient Boosting, dan XGBoost. Penelitian ini menerapkan tahapan preprocessing data spasial-temporal dan feature engineering yang komprehensif. Hasil eksperimen menunjukkan bahwa model berbasis ensemble dan boosting mengungguli model linear sederhana. Secara khusus, algoritma XGBoost menghasilkan kinerja terbaik dengan tingkat kesalahan prediksi terendah (RMSE dan MAE minimum) dibandingkan model lainnya serta baseline penelitian sebelumnya.