Jakarta AI Transport — Prediksi Penumpang

📅 Pilih Tanggal Prediksi

Pilih tanggal dan klik Prediksi...

📋 Ringkasan Data

Memuat statistik...

🔄 Status Pembaruan Data

Pembaruan Terakhir -

Status -

Jadwal Berikutnya -

Total Record -

📈 Tren Penumpang Harian

🥧 Proporsi per Moda

📊 Rata-rata per Hari

🧠 Arsitektur Neural Network

Model menggunakan Multi-Layer Perceptron (MLP) untuk memprediksi jumlah penumpang berdasarkan pola temporal dan kalender Indonesia.

24

Input Features

→

128

Hidden 1 (ReLU)

→

64

Hidden 2 (ReLU)

→

32

Hidden 3 (ReLU)

→

1

Output (Passengers)

Input

24 Features

Dense 1

128 neurons + ReLU

Dense 2

64 neurons + ReLU

Dense 3

32 neurons + ReLU

Output

1

⚙️ Feature Engineering

Setiap tanggal direpresentasikan sebagai 24 fitur yang menangkap pola temporal, kalender libur Indonesia, dan encoding siklis.

Hari dalam Minggu Tanggal Bulan Minggu ke- Kuartal Tahun Weekend Senin Jumat Hari Libur Libur Keagamaan Libur Islam Ramadan Libur Sekolah Jarak ke Libur Dekat Libur Long Weekend Jarak Gajian Sin(Hari) Cos(Hari) Sin(Bulan) Cos(Bulan) Sin(Tanggal) Cos(Tanggal)

🔵 Temporal • 🟡 Holiday • 🟢 Cultural • 🟣 Cyclical • 🔴 Economic

🔬 Bagaimana Prediksi Dibuat

1

Pengumpulan Data
Data diambil harian dari API Satu Data Jakarta, mencakup 8 moda transportasi.

2

Feature Engineering
Setiap tanggal diubah menjadi 24 fitur numerik yang menangkap pola waktu, hari libur, Ramadan, dan siklus.

3

Normalisasi
Fitur dan target dinormalisasi menggunakan StandardScaler untuk konvergensi optimal.

4

Pelatihan Neural Network
Model MLP 3-layer (128→64→32 neuron) dilatih dengan Adam optimizer dan early stopping.

5

Prediksi
Untuk tanggal baru, fitur diekstrak dan dimasukkan ke model terlatih untuk menghasilkan prediksi penumpang.

📊 Performa Model

Memuat info model...