PEMODELAN TINGKAT PREDIKSI KETERLAMBATAN PENERBANGAN, TERHADAP DATASET PENERBANGAN KOMERSIAL

Abstract

Dinamika industri penerbangan sangat bergantung pada ketepatan waktu operasional. Namun, keterlambatan penerbangan (flight delay) menjadi permasalahan krusial yang terus berulang, merugikan maskapai secara finansial, dan menurunkan tingkat kepuasan penumpang. Penelitian ini bertujuan untuk membangun model komputasi cerdas yang mampu memprediksi tingkat keterlambatan penerbangan sebagai sistem peringatan dini. Metode penelitian yang diusulkan menggunakan pendekatan Ensemble Learning dengan menggabungkan algoritma Random Forest dan Linear Regression. Pola penyebab keterlambatan diekstraksi dari data historis penerbangan berdasarkan fitur operasional seperti maskapai, jadwal, dan jarak tempuh. Penggabungan ini dilakukan agar kehandalan Random Forest pada data non-linear dapat diimbangi oleh efisiensi komputasi Linear Regression. Hasil pengujian menunjukkan bahwa model prediksi berhasil memberikan performa yang sangat baik dengan perolehan nilai Mean Squared Error (MSE) sebesar 178.71 dan skor R-Squared mencapai 0.906. Kinerja ini membuktikan model mampu memprediksi 90,6% variabilitas keterlambatan secara presisi, sehingga sangat layak direkomendasikan sebagai pendukung keputusan manajemen maskapai.