Penerapan Algoritma K-Means untuk Pengelompokan Halte Transjakarta Berdasarkan Aktivitas Harian Penumpang

Abstract

Ketidakseimbangan aktivitas di halte bus Transjakarta, yang menyebabkan kemacetan dan penumpukan penumpang pada titik-titik tertentu, menjadi tantangan penting dalam peningkatan efisiensi layanan transportasi publik perkotaan. Penelitian ini bertujuan untuk mengelompokkan halte bus Transjakarta berdasarkan pola aktivitas penumpang harian (pagi, siang, sore, dan malam) menggunakan algoritma K-Means Clustering pada dataset transaksi Transjakarta. Setelah tahap pra-pemrosesan data dan penentuan jumlah klaster optimal dengan metode Elbow, diperoleh dua klaster (K=2) yang menunjukkan perbedaan signifikan.Klaster 0 merepresentasikan halte dengan tingkat aktivitas rendah yang menandakan pemanfaatan minimal, sedangkan Klaster 1 mencakup halte dengan volume aktivitas tinggi, terutama padaperiode sore hari. Visualisasi peta interaktif menunjukkan distribusi geografis yang jelas: halte dengan aktifitas sibuk (berwarna merah) terkonsentrasi di pusat kota Jakarta, sementara halte dengan aktifitas rendah (berwarna biru) tersebar di wilayah pinggiran. Hasil pengelompokan ini dapat dimanfaatkan oleh  manajemen Transjakarta dan Dinas Perhubungan DKI Jakarta sebagai dasar dalam pengambilan keputusan strategis, seperti pengalokasian armada dan penyesuaian jadwal keberangkatan yang lebih adaptif terhadap tingkat permintaan di Klaster 1, serta evaluasi efektivitas operasional halte di Klaster 0. Evaluasi model menghasilkan nilai Silhouette Score sebesar 0.7205 yang menandakan pemisahan klaster yang baik, dan Davies-Bouldin Index sebesar 0.8763, yang mengindikasikan klaster yang cukup kompak dan terpisah. Penelitian ini memberikan kontribusi praktis bagi perencanaan transportasi publik berbasis data dalam mendukung kebijakan distribusi layanan yang lebih merata di seluruh jaringan Transjakarta.