<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="18568">
<titleInfo>
<title>PENERAPAN ALGORITMA RANDOM FOREST DALAM MEMPREDIKSI HARGA TIKET PESAWAT</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Sumiyatun, S.Kom., M.Cs</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>AGUSTINA, MIFTA NUR ERSA - 225610052</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)</publisher>
<dateIssued>2026</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent>032 Sistem Informasi 2026</extent>
</physicalDescription>
<note>Harga tiket pesawat mengalami perubahan secara dinamis yang dipengaruhi oleh berbagai faktor, seperti maskapai, rute penerbangan, tanggal keberangkatan, dan waktu keberangkatan. Perubahan harga tersebut menyulitkan calon penumpang dalam menentukan waktu yang tepat untuk membeli tiket. Oleh karena itu, penelitian ini bertujuan membangun model prediksi harga tiket pesawat menggunakan algoritma Random Forest.
Penelitian menggunakan Flight Price Dataset yang terdiri atas 10.683 data dengan atribut Airline, Source, Destination, Date_of_Journey, Dep_Time, Class, dan Price. Tahapan penelitian meliputi analisis dataset, preprocessing data, transformasi atribut tanggal dan waktu, label encoding, pembagian data menjadi 80% data pelatihan dan 20% data pengujian menggunakan Train-Test Split, pembentukan model Random Forest Regressor, serta evaluasi menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Coefficient of Determination (R² Score).
Hasil penelitian menunjukkan bahwa model menghasilkan nilai MAE sebesar 1.288,47, MSE sebesar 4.244.829,64, RMSE sebesar 2.060,30, dan R² Score sebesar 0,7994. Nilai tersebut menunjukkan bahwa algoritma Random Forest memiliki performa yang baik dalam memprediksi harga tiket pesawat dan mampu menjelaskan sekitar 79,94% variasi data.
Kata Kunci : Machine Learning, Prediksi Harga Tiket Pesawat, Random Forest, Regresi.</note>
<subject authority=""><topic>Random Forest</topic></subject>
<subject authority=""><topic>Algoritma</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>032 AGU P R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">AGU0032SA2026</numerationAndChronology>
<sublocation>RAK REFERENSI SKRIPSI SI</sublocation>
<shelfLocator>032 AGU P R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>18568</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2026-10-01 14:16:36</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2026-10-01 14:18:27</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>