PREDIKSI PERMINTAAN LAYANAN GORIDE DI KOTA MEDAN MENGGUNAKAN ALGORITMA LINEAR REGRESSION DAN VISUALISASI PETA INTERAKTIF PADA DATA PERUSAHAAN GOJEK

Abstract

Penelitian ini bertujuan untuk memprediksi permintaan layanan GoRide di Kota Medan menggunakan algoritma Linear Regression dan visualisasi peta interaktif berdasarkan data perusahaan Gojek. Pendekatan yang digunakan adalah kuantitatif prediktif dengan mengolah data historis yang mencakup variabel tanggal, hari, lokasi, cuaca, suhu, dan kepadatan lalu lintas. Model dibangun dan diuji menggunakan Python dengan metrik evaluasi Root Mean Squared Error (RMSE) dan R-squared (R²) untuk menilai tingkat akurasi. Hasil penelitian menunjukkan bahwa model Linear Regression menghasilkan nilai RMSE sebesar 2,4983 dan R² sebesar 0,9239, yang menunjukkan tingkat akurasi prediksi yang tinggi. Analisis juga mengungkap bahwa faktor waktu, kondisi cuaca, kepadatan lalu lintas, dan lokasi geografis berpengaruh signifikan terhadap permintaan layanan GoRide. Visualisasi peta interaktif memberikan gambaran spasial yang jelas mengenai persebaran permintaan di Kota Medan, membantu mengidentifikasi wilayah dengan permintaan tinggi maupun rendah. Temuan ini diharapkan dapat membantu perusahaan transportasi online dalam mengoptimalkan distribusi pengemudi, penjadwalan, dan strategi promosi guna meningkatkan efisiensi layanan serta kepuasan pelanggan.