SAHARA, Richa Amylia (2026) Pemodelan Support Vector Machine untuk Mengukur On-Time Performance Penerbangan Domestik di Bandara Internasional Yogyakarta. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.
|
Archive (FULL TEXT)
SOFT FILE SKRIPSI - RICHA AMYLIA SAHARA.zip Restricted to Repository staff only Download (9MB) | Request a copy |
|
|
Text
1. COVER.pdf Download (232kB) |
|
|
Text
3. HALAMAN PENGESAHAN I.pdf Download (454kB) |
|
|
Text
4. HALAMAN PENGESAHAN II.pdf Download (192kB) |
|
|
Text
5. KATA PENGANTAR.pdf Download (491kB) |
|
|
Text
6. ABSTRAK.pdf Download (493kB) |
|
|
Text
7. ABSTRACT.pdf Download (488kB) |
|
|
Text
8. DAFTAR ISI.pdf Download (567kB) |
|
|
Text
12. BAB I PENDAHULUAN.pdf Download (592kB) |
|
|
Text
17. DAFTAR PUSTAKA.pdf Download (526kB) |
Abstract
Ketepatan waktu penerbangan merupakan salah satu indikator penting dalam
menilai kualitas layanan maskapai penerbangan. Keterlambatan penerbangan dapat
disebabkan oleh berbagai faktor operasional sehingga diperlukan analisis yang
mampu mengklasifikasikan ketepatan waktu penerbangan secara akurat. Penelitian
ini bertujuan untuk membangun model klasifikasi ketepatan waktu penerbangan
menggunakan Support Vector Machine (SVM) dengan pendekatan One-vs-Rest
(OVR) sebagai pengklasifikasian multikelas. Data yang digunakan dibagi menjadi
data training sebesar 80% dan data testing sebesar 20%. Model SVM dibangun
menggunakan kernel Radial Basis Function (RBF) dengan pemilihan parameter
optimal dilakukan dengan menggunakan metode Grid Search dan Stratified 10
folds Cross Validation. Evaluasi performa model dilakukan menggunakan metrik
accuracy, precision, recall, dan F-1 Score. Hasil penelitian menunjukkan bahwa
model SVM mampu mengklasifikasikan kategori ketepatan waktu penerbangan
dengan accuracy sebesar 71%. Nilai precision, recall, dan F-1 Score yang diperoleh
masing-masing sebesar 69%, 56%, dan 57%. Hasil tersebut menunjukkan bahwa
metode SVM dengan kernel RBF dapat digunakan untuk mengklasifikasikan
ketepatan waktu penerbangan dengan performa yang cukup baik.
Kata kunci: Support Vector Machine, One-Vs-Rest, ketepatan waktu penerbangan,
klasifikasi, kernel RBF.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | Sciences and Mathemathic |
| Divisions: | Faculty of Science and Mathematics > Department of Statistics |
| Depositing User: | Yemima Laras Sekarsari |
| Date Deposited: | 24 Jun 2026 04:01 |
| Last Modified: | 24 Jun 2026 04:01 |
| URI: | https://eprints2.undip.ac.id/id/eprint/53678 |
Actions (login required)
![]() |
View Item |
