SUKARSAATMADJA, Divia Shinta (2025) Klasifikasi Keterlambatan Kedatangan Pesawat Terbang dengan Stacking Ensemble Learning. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (32kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (255kB)
	Text 4. KATA PENGANTAR.pdf Download (74kB)
	Text 6. ABSTRAK.pdf Download (6kB)
	Text 7. ABSTRACT.pdf Download (5kB)
	Text 8. DAFTAR ISI.pdf Download (64kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (137kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (99kB)

Abstract

Keterlambatan kedatangan pesawat merupakan permasalahan signifikan dalam industri
penerbangan karena berdampak pada kepuasan penumpang, efisiensi operasional maskapai,
dan kinerja bandara. Berbagai strategi manajerial dan kebijakan operasional seperti sistem
manajemen kapasistas bandara dan analisis pola penerbangan telah diterapkan, namun belum
mampu memberikan solusi yang adaptif dan presisi. Penelitian ini bertujuan untuk
mengklasifikasikan keterlambatan kedatangan pesawat secara biner dengan menerapkan
metode stacking ensemble learning untuk meningkatkan performa prediksi, serta
mengoptimalkan kinerja model melalui pencarian hyperparameter menggunakan Optuna.
Data yang digunakan berasal dari Bureau of Transportation Statistics Amerika Serikat,
mencakup 1.800.000 baris data dan 120 fitur dari periode Januari hingga Desember 2024.
Lima eksperimen pengujian dilakukan menggunakan algoritma Decision Tree, Naïve Bayes,
LightGBM, XGBoost, dan stacking. Hasil evaluasi menunjukkan bahwa model stacking
memberikan performa terbaik dengan akurasi pengujian sebesar 0.8213 dan nilai AUC
sebesar 0.7564. Selain itu, metode stacking meningkatkan akurasi sebesar 0.0021 dan AUC
sebesar 0.0006. Temuan ini menunjukkan bahwa penerapan stacking ensemble learning
mampu meningkatkan performa klasifikasi keterlambatan kedatangan pesawat.
Kata kunci : Keterlambatan Pesawat, Machine Learning, Stacking Ensemble Learning,
Optuna, Klasifikasi

Actions (login required)

View Item