IMPLEMENTASI ALGORITMA HDBSCAN UNTUK IDENTIFIKASI HALTE TRANSJAKARTA DENGAN TINGKAT KEPADATAN TERTINGGI BERDASARKAN DATA TRANSAKSI

TransJakarta merupakan sistem Bus Rapid Transit (BRT) di Jakarta yang menghasilkan data transaksi penumpang dalam jumlah besar sehingga dapat dimanfaatkan untuk mengidentifikasi pola kepadatan halte sebagai dasar pengambilan keputusan operasional. Penelitian ini bertujuan mengidentifikasi halte dengan tingkat kepadatan transaksi tertinggi menggunakan algoritma Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN). Metode penelitian mengacu pada Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, praproses, transformasi, penerapan algoritma, dan evaluasi hasil. Dataset yang digunakan berupa data sintetik (dummy) transaksi TransJakarta dari Kaggle sebanyak 4.000.200 baris, yang setelah praproses menjadi 3.995.020 baris data bersih dengan tujuh fitur. Parameter optimal diperoleh melalui grid search dengan nilai min_cluster_size 150 dan min_samples 200, menghasilkan nilai Silhouette Coefficient sebesar 0,5309. Hasil clustering membagi halte ke dalam empat klaster, yaitu rendah, sedang, tinggi, dan sangat tinggi. Halte GBK Pintu 7, BNN LRT, dan Jln. Swadaya Raya termasuk dalam klaster dengan tingkat kepadatan transaksi tertinggi. Temuan ini menunjukkan bahwa HDBSCAN berpotensi mendukung identifikasi kepadatan transaksi sebagai dasar perencanaan operasional dan pemerataan layanan TransJakarta berbasis data.