<![CDATA[Pesatnya pertumbuhan wilayah perkotaan dalam beberapa tahun terakhir mengakibatkan keterkaitan dan saling mempengaruhi antara rutinitas perjalanan harian penduduk kota dan penggunaan transportasi umum. Kepuasan pelayanan kepada penumpang merupakan hal yang sangat terkait dengan usaha armada taksi, dimulai dari proses penjemputan hingga pengantaran ke tujuan. Waktu menunggu taksi menjadi faktor penting bagi penumpang dalam memilih titik penjemputan yang tepat di lingkungan perkotaan. Mengidentifikasi sejarah permintaan penumpang taksi secara akurat dapat membantu pengelola armada taksi dalam mengalokasikan sumber daya terutama di wilayah perkotaan. Dalam penelitian ini, algoritma DBSCAN digunakan untuk mengidentifikasi pola cluster yang muncul dari titik penjemputan dan titik pengantaran penumpang berdasarkan data perjalanan taksi. Data yang digunakan berasal dari Kaggle, dan fokus penelitian ini adalah perjalanan taksi di Kota Brooklyn. Pada titik penjemputan penumpang, teridentifikasi 3 cluster dengan pola sebaran jalur yang memiliki potensi area yang signifikan terletak di sekitar pusat perbelanjaan seperti Atlantic Avenue Barclays Center, Arena Barclays Center, Flatbush Avenue, dan Atlantic Avenue. Sementara itu, pada titik pengantaran penumpang, terdapat 2 cluster dengan pola sebaran jalur yang memiliki potensi area signifikan terletak di Myrtle Avenue, Flatbush Avenue, Lafayette Avenue, Williamsburg, dan Dumbo.]]>
Copyrights © 2024
