Nama : Ivan Eka Aditya Program Studi : Magister Teknologi InformasiJudul : Analisis Rute Potensial Kapal Penumpang Menggunakan Teknik Data Mining: Studi Kasus PT PELNI (Persero) Pembimbing : Ir. Wahyu Catur Wibowo, M.Sc., Ph.D.

Indonesia sebagai negara maritim membutuhkan sarana transportasi laut untuk mendorong pertumbungan ekonomi di Indonesia. Mobilitas penumpang dan barang yang terjadi merupakan peluang PT PELNI (Persero) untuk dapat meningkatkan pendapatan perusahaan melalui optimalisasi trayek kapal penumpang. Namun saat ini PT PELNI (Persero) belum dapat menentukan rute-rute potensial sehingga trayek yang ditetapkan belum dapat mengoptimalkan margin keuntungan. Penelitian ini bertujuan untuk menganalisis hasil penjualan tiket penumpang dan barang pada kapal penumpang PT PELNI (Persero) dengan mempelajari pola rute-rute yang sering dilalui penumpang maupun barang pada waktu tertentu dan sebaran penumpang/barang berdasarkan daerah atau pelabuhan di Indonesia agar dapat membantu Manajemen dalam pengambilan keputusan untuk mengoptimalkan trayek perjalanan kapal dan meningkatkan penghasilan perusahaan. Penelitian ini merupakan quantitative research menggunakan experimental strategy dengan pengumpulan data kuantatitatif dari data transaksi penjualan tiket penumpang dan barang pada kapal penumpang untuk dilakukan pengujian hubungan antar variabel dengan pemodelan data mining. Kemudian dilakukan tahapan-tahapan pada data mining menggunakan Cross-Industry Standard Process for Data Mining (CRISP-DM) untuk menemukan pola rute-rute yang sering dilalui oleh penumpang kapal maupun muatan barang. Penelitian ini menggunakan teknik data mining, yaitu clustering dengan algoritma K-Means dan classification dengan algoritma Naïve Bayes, Decision Tree dan Random Forest. Berdasarkan hasil clustering yang dievaluasi dengan metode Elbow, cluster terbaik yang digunakan adalah cluster dengan nilai k=4 untuk menjadi label pada pemodelan classification. Dari hasil classification, Algoritma yang memiliki tingkat akurasi paling baik adalah algoritma Random Forest dengan nilai accuracy sebesar 99,70% dan accuracy meningkat setelah diseimbangkan dengan SMOTE upsampling menjadi 99,85%. Dari pemodelan data mining yang dilakukan dihasilkan rute-rute potensial untuk angkutan penumpang, potensial untuk angkutan barang, cukup potensial dan kurang potensial untuk penumpang atau muatan barang, sehingga PT PELNI (Persero) dapat mengatur stategi pemasaran untuk mengoptimalkan trayek dengan menyesuaikan rute, mengatur alokasi seat dan frekuensi pelayaran kapal penumpang pada saat peak season maupun low season.