Search for collections on Undip Repository

Pemodelan Support Vector Machine untuk Mengukur On-Time Performance Penerbangan Domestik di Bandara Internasional Yogyakarta

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.

[thumbnail of FULL TEXT] Archive (FULL TEXT)
SOFT FILE SKRIPSI - RICHA AMYLIA SAHARA.zip
Restricted to Repository staff only

Download (9MB) | Request a copy
[thumbnail of 1. COVER.pdf] Text
1. COVER.pdf

Download (232kB)
[thumbnail of 3. HALAMAN PENGESAHAN I.pdf] Text
3. HALAMAN PENGESAHAN I.pdf

Download (454kB)
[thumbnail of 4. HALAMAN PENGESAHAN II.pdf] Text
4. HALAMAN PENGESAHAN II.pdf

Download (192kB)
[thumbnail of 5. KATA PENGANTAR.pdf] Text
5. KATA PENGANTAR.pdf

Download (491kB)
[thumbnail of 6. ABSTRAK.pdf] Text
6. ABSTRAK.pdf

Download (493kB)
[thumbnail of 7. ABSTRACT.pdf] Text
7. ABSTRACT.pdf

Download (488kB)
[thumbnail of 8. DAFTAR ISI.pdf] Text
8. DAFTAR ISI.pdf

Download (567kB)
[thumbnail of 12. BAB I PENDAHULUAN.pdf] Text
12. BAB I PENDAHULUAN.pdf

Download (592kB)
[thumbnail of 17. DAFTAR PUSTAKA.pdf] 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 View Item