Penerapan Long Short Term Memory Untuk Memprediksi Flight Delay Pada Penerbangan Komersial

Muhammad Genta, Ari Shandi (2020) Penerapan Long Short Term Memory Untuk Memprediksi Flight Delay Pada Penerbangan Komersial. Undergraduate Thesis thesis, Institut Teknologi Telkom Purwokerto.

	Text COVER.pdf - Accepted Version Download (2MB)
Preview	Text ABSTRACT.pdf - Accepted Version Download (96kB) | Preview
Preview	Text ABSTRAK.pdf - Accepted Version Download (96kB) | Preview
Preview	Text BAB I.pdf - Accepted Version Download (110kB) | Preview
Preview	Text BAB II.pdf - Accepted Version Download (284kB) | Preview
Preview	Text BAB III.pdf - Accepted Version Download (200kB) | Preview
	Text BAB IV.pdf - Accepted Version Restricted to Registered users only Download (1MB)
Preview	Text BAB V.pdf - Accepted Version Download (96kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf - Accepted Version Download (101kB) | Preview
	Text LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (1MB)

Abstract

Layanan maskapai penerbangan merupakan salah satu layanan yang selalu banyak digunakan sebagai media transportasi, baik transportasi antar kota ataupun antar negara. Namun, tidak menutup kemungkinan terjadinya keterlambatan pada layanan maskapai penerbangan, menjadi pengalaman yang tidak menyenangkan bagi penumpang yang mengalaminya. Penelitian ini dilakukan untuk dapat memprediksi keterlambatan tersebut karena banyaknya penumpang yang mengalami kerugian akibat flight delay (departure). Metode Long Short Term Memory (LSTM) merupakan salah satu metode yang dapat memprediksi data time series yang merupakan turunan dari Recurrent Neural Network (RNN). Dalam penelitian ini terdapat dua skenario yang memiliki perbedaan cara preprocessing. Kedua skenario tersebut menghasilkan prediksi dengan nilai error yang dihitung menggunakan Root Mean Squared Error (RMSE), secara berturut-turut dari skenario pertama sampai kedua yaitu: 41, 21. Diantara keduanya, skenario kedua lebih baik dari skenario pertama dikarenakan adanya penghapusan data ekstrim (anomali) pada skenario kedua. Kata kunci: flight, departure delay, model, long short term memory

Actions (login required)

View Item