TEXT

KLASIFIKASI KONEKTIVITAS BANDARA MENGGUNAKAN GRAPH CONVOLUTIONAL NETWORK (GCN)-G

---

ABSTRAK

Jaringan penerbangan global merupakan sistem transportasi kompleks yang secara
alamiah membentuk struktur graf keruangan (spasial). Pemahaman terhadap
hierarki konektivitas bandara sangat krusial bagi analisis rute dan optimalisasi
infrastruktur. Namun, pemodelan data relasional berstruktur graf memiliki
tantangan tersendiri jika diselesaikan menggunakan pendekatan machine learning
konvensional berskala tabular. Penelitian ini mengusulkan penerapan arsitektur
Deep Learning berbasis graf, yaitu Graph Convolutional Network (GCN), untuk
mengklasifikasikan tingkat konektivitas bandara di seluruh dunia. Dataset yang
digunakan merupakan rekaman operasional penerbangan global tahun 2024 yang
.merepresentasikan 7.698 simpul (bandara) dan 36.589 sisi (edge) unik
antarbandara, yang dibentuk dari 66.316 baris data rute mentah (satu baris per
maskapai per rute) setelah melalui tahap pembersihan data.. Karena dataset tidak
memiliki anotasi kelas yang eksplisit, algoritma Fuzzy C-Means (FCM) diterapkan
secara unsupervised berdasarkan metrik degree centrality untuk menghasilkan
pseudo-ground truth. Melalui metode ini, bandara diklasifikasikan ke dalam tiga
kategori: Rendah, Sedang, dan Tinggi.
Arsitektur GCN dirancang menggunakan dua lapisan konvolusi graf dengan fungsi
aktivasi ReLU, teknik regularisasi Dropout dengan rasio 0.5, serta fungsi keluaran
klasifikasi Softmax. Pembagian data dilakukan menggunakan skema transductive
node masking dengan rasio 70% data latih, 15% data validasi, dan 15% data uji
guna menjaga keutuhan topologi jaringan. Hasil pengujian menunjukkan bahwa
model GCN yang dioptimasi menggunakan algoritma Adam pada 900 Epoch
mampu memprediksi kelas konektivitas dengan tingkat akurasi keseluruhan sebesar
95% dan Macro F1-Score sebesar 79%. Secara keseluruhan, penelitian ini
membuktikan bahwa algoritma GCN efektif dan tangguh dalam menangkap dan
mengagregasi fitur atribut spasial secara simultan dengan topologi koneksi untuk
pemodelan node classification pada sistem transportasi udara skala besar yang tidak
seimbang (imbalanced data).

Kata Kunci: Graph Convolutional Network, Konektivitas Bandara, Fuzzy C-
Means, Klasifikasi Node, Jaringan Penerbangan.

---

Ketersediaan

S06-26531

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

S06-26531 SAP 2026

Penerbit

Surabaya : ITATS., 2026

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Pembimbing : Dr. Dian Puspita Hapsari, S.Kom, M.Kom

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar