Bike sharing merupakan salah satu inovasi transportasi ramah lingkungan yang semakin berkembang di berbagai kota. Sistem ini memungkinkan masyarakat menyewa sepeda secara fleksibel untuk perjalanan jarak pendek sehingga dapat membantu mengurangi kemacetan dan mendukung mobilitas perkotaan yang berkelanjutan.
Data penyewaan sepeda yang tercatat dari waktu ke waktu dapat dianalisis menggunakan pendekatan deret waktu (time series). Analisis ini bertujuan untuk memahami pola perubahan jumlah penyewaan sepeda dalam suatu periode tertentu, seperti tren peningkatan atau penurunan penggunaan serta kemungkinan adanya pola musiman.
Berdasarkan latar belakang tersebut, analisis ini dilakukan untuk memahami dinamika penggunaan layanan bike sharing dari waktu ke waktu. Secara khusus, analisis ini bertujuan untuk menjawab beberapa pertanyaan berikut:
Dengan menjawab pertanyaan tersebut, analisis ini diharapkan dapat memberikan gambaran mengenai pola penggunaan layanan bike sharing serta membantu memahami bagaimana faktor waktu dan musim mempengaruhi dinamika permintaan sepeda di lingkungan perkotaan.
Dataset yang digunakan dalam analisis ini berisi data penyewaan sepeda (bike sharing) yang dicatat berdasarkan waktu tertentu. Data ini umumnya mencakup informasi mengenai tanggal atau waktu penyewaan serta jumlah sepeda yang disewa pada periode tersebut. Dengan menggunakan data tersebut, analisis deret waktu dapat dilakukan untuk mengamati perubahan jumlah penyewaan sepeda dari waktu ke waktu serta mengidentifikasi pola tren, musiman, maupun fluktuasi yang terjadi dalam penggunaan layanan bike sharing.
Dataset bike sharing yang digunakan dalam analisis ini terdiri dari 16 variabel yang mencakup informasi waktu pengamatan, kondisi lingkungan, serta jumlah pengguna sepeda. Variabel seperti instant dan dteday berfungsi sebagai identitas dan waktu pengamatan, sedangkan variabel seperti season, holiday, workingday, dan weathersit menggambarkan kondisi kategorik yang dapat mempengaruhi penggunaan sepeda. Sementara itu, variabel numerik seperti temp, atemp, hum, dan windspeed merepresentasikan kondisi cuaca yang berpotensi mempengaruhi aktivitas bersepeda. Variabel utama yang menjadi fokus dalam analisis ini adalah cnt, yaitu total jumlah penyewaan sepeda pada setiap waktu pengamatan.
| Variabel | Jenis | Deskripsi |
|---|---|---|
| instant | ID | Nomor indeks atau ID pengamatan |
| dteday | Tanggal | Tanggal pengamatan |
| season | Kategorik | Musim pada saat pengamatan (Spring, Summer, Fall, Winter) |
| yr | Kategorik | Tahun pengamatan |
| mnth | Kategorik | Bulan pengamatan |
| holiday | Kategorik | Menunjukkan apakah hari tersebut merupakan hari libur |
| weekday | Kategorik | Hari dalam satu minggu |
| workingday | Kategorik | Menunjukkan apakah hari tersebut merupakan hari kerja |
| weathersit | Kategorik | Kondisi cuaca pada hari pengamatan |
| temp | Kontinu | Suhu udara yang telah dinormalisasi |
| atemp | Kontinu | Suhu yang dirasakan (apparent temperature) |
| hum | Kontinu | Tingkat kelembapan udara |
| windspeed | Kontinu | Kecepatan angin |
| casual | Kontinu | Jumlah pengguna sepeda tidak terdaftar (casual users) |
| registered | Kontinu | Jumlah pengguna sepeda terdaftar (registered users) |
| cnt | Kontinu | Total jumlah penyewaan sepeda (casual + registered) |
Selain itu, variabel kategorik seperti season, weathersit, dan workingday dilakukan proses recoding menjadi tipe faktor dengan label yang lebih deskriptif. Proses ini bertujuan agar kategori dalam data dapat ditampilkan dalam bentuk yang lebih mudah dipahami, terutama saat dilakukan visualisasi maupun interpretasi hasil analisis. Misalnya, variabel season yang semula direpresentasikan dengan kode angka diubah menjadi label seperti Spring, Summer, Fall, dan Winter. Dengan demikian, struktur data tetap sama, namun interpretasi data menjadi lebih jelas dan informatif.
Setelah proses pembersihan dan transformasi data dilakukan, dataset kemudian ditampilkan dalam bentuk tabel interaktif untuk memastikan bahwa perubahan tipe data dan label kategori telah diterapkan dengan benar sebelum dilakukan analisis lebih lanjut.
Line plot ini menunjukkan perkembangan jumlah penyewaan sepeda sepanjang periode pengamatan dari tahun 2011 hingga 2012. Grafik memperlihatkan fluktuasi jumlah penyewaan yang cukup tinggi pada tingkat harian, yang ditunjukkan oleh garis tipis berwarna transparan. Untuk mempermudah pengamatan pola umum, digunakan teknik smoothing sehingga tren perubahan penggunaan sepeda dapat terlihat lebih jelas.
Secara umum terlihat bahwa pada awal tahun 2011 jumlah penyewaan sepeda masih relatif rendah. Seiring berjalannya waktu, jumlah penyewaan mulai mengalami peningkatan secara bertahap hingga mencapai tingkat yang lebih tinggi pada pertengahan tahun. Pola ini mengindikasikan adanya pertumbuhan penggunaan layanan bike sharing, yang kemungkinan berkaitan dengan meningkatnya adopsi layanan oleh masyarakat.
Memasuki tahun 2012, tren penggunaan sepeda terlihat berada pada level yang lebih tinggi dibandingkan tahun sebelumnya. Hal ini menunjukkan bahwa layanan bike sharing semakin banyak dimanfaatkan oleh masyarakat sebagai alternatif transportasi perkotaan. Namun demikian, grafik juga menunjukkan beberapa penurunan tajam pada waktu tertentu yang mengindikasikan adanya pengaruh faktor eksternal seperti kondisi cuaca, hari libur, atau aktivitas masyarakat yang berubah pada periode tertentu.
Secara keseluruhan, visualisasi ini memperlihatkan adanya tren peningkatan penggunaan sepeda dalam jangka waktu pengamatan, disertai dengan fluktuasi yang cukup kuat pada tingkat harian.
Visualisasi ini menunjukkan perbandingan rata-rata jumlah pengguna bike sharing pada setiap musim dengan membedakan antara pengguna casual dan pengguna terdaftar. Dengan menggunakan nilai rata-rata, grafik ini memberikan gambaran yang lebih stabil mengenai kecenderungan penggunaan sepeda pada kondisi musim yang berbeda.
Dari grafik terlihat bahwa jumlah pengguna sepeda cenderung lebih tinggi pada musim tertentu dibandingkan musim lainnya. Hal ini menunjukkan bahwa kondisi lingkungan dan cuaca memiliki pengaruh terhadap aktivitas bersepeda. Pada musim dengan kondisi cuaca yang lebih nyaman, masyarakat cenderung lebih aktif menggunakan sepeda baik untuk aktivitas transportasi maupun rekreasi.
Selain itu, terlihat bahwa jumlah pengguna terdaftar secara konsisten lebih tinggi dibandingkan pengguna casual di setiap musim. Hal ini mengindikasikan bahwa sebagian besar penggunaan layanan bike sharing berasal dari pengguna rutin yang telah terdaftar dalam sistem. Sebaliknya, pengguna casual menunjukkan variasi yang lebih besar antar musim, yang kemungkinan berkaitan dengan penggunaan sepeda secara situasional, misalnya untuk kegiatan rekreasi atau aktivitas luar ruangan.
Temuan ini menunjukkan bahwa faktor musim berperan dalam mempengaruhi tingkat penggunaan layanan bike sharing, terutama bagi kelompok pengguna yang tidak terdaftar.
Visualisasi ini menampilkan rata-rata jumlah penyewaan sepeda pada setiap bulan pada tahun 2011 dan 2012. Dengan menghubungkan nilai rata-rata penyewaan pada setiap bulan, grafik ini membantu memperlihatkan pola perubahan penggunaan sepeda sepanjang tahun sekaligus memungkinkan perbandingan antara kedua tahun pengamatan.
Dari grafik terlihat bahwa jumlah penyewaan sepeda mengalami variasi yang cukup jelas antar bulan. Pola garis menunjukkan adanya peningkatan jumlah penyewaan pada beberapa bulan tertentu dan penurunan pada bulan lainnya. Hal ini mengindikasikan bahwa penggunaan layanan bike sharing tidak bersifat konstan sepanjang tahun, melainkan dipengaruhi oleh faktor musiman seperti kondisi cuaca atau tingkat aktivitas masyarakat.
Selain itu, terlihat bahwa garis untuk tahun 2012 pada sebagian besar bulan berada di atas garis tahun 2011. Hal ini menunjukkan bahwa rata-rata penyewaan sepeda pada tahun 2012 cenderung lebih tinggi dibandingkan tahun sebelumnya, yang mengindikasikan adanya peningkatan penggunaan layanan bike sharing dari waktu ke waktu.
Secara keseluruhan, grafik ini memperlihatkan adanya pola musiman dalam penggunaan layanan bike sharing serta menunjukkan kecenderungan peningkatan tingkat penyewaan sepeda pada tahun 2012 dibandingkan tahun 2011.
Berdasarkan hasil analisis visualisasi data, dapat disimpulkan bahwa penggunaan layanan bike sharing menunjukkan tren peningkatan dari tahun 2011 ke 2012. Hal ini menunjukkan bahwa layanan bike sharing semakin banyak dimanfaatkan oleh masyarakat sebagai alternatif transportasi perkotaan.
Selain itu, analisis berdasarkan musim menunjukkan bahwa pengguna terdaftar mendominasi penggunaan layanan bike sharing pada setiap musim, sedangkan pengguna casual lebih dipengaruhi oleh kondisi musim.
Analisis rata-rata penyewaan berdasarkan bulan juga menunjukkan adanya pola musiman dalam penggunaan sepeda. Secara keseluruhan, hasil analisis ini menunjukkan bahwa permintaan terhadap layanan bike sharing dipengaruhi oleh faktor waktu, musim, serta karakteristik pengguna.