Pendahuluan

Dataset yang digunakan dalam penelitian ini berasal dari sistem bike sharing di Washington, D.C. yang tersedia pada UCI Machine Learning Repository. Dataset ini mencatat aktivitas penyewaan sepeda yang dilakukan oleh pengguna layanan bike sharing selama dua tahun secara berurutan berdasarkan waktu. Data yang tersedia dalam dataset ini terdiri dari dua jenis, yaitu data harian (day) dan data per jam (hour). Dataset day mencatat jumlah total penyewaan sepeda setiap hari, sedangkan dataset hour memberikan informasi yang lebih rinci mengenai jumlah penyewaan sepeda pada setiap jam dalam satu hari.

Selain memuat jumlah penyewaan sepeda sebagai variabel utama (cnt), dataset ini juga dilengkapi dengan berbagai variabel pendukung yang berkaitan dengan waktu dan kondisi lingkungan. Beberapa variabel tersebut antara lain suhu (temp), musim (season), kondisi cuaca (weathersit), jenis hari apakah termasuk hari kerja atau bukan (workingday), bulan (mnth), serta kecepatan angin (windspeed). Keberadaan variabel-variabel ini memungkinkan analisis yang lebih komprehensif mengenai faktor-faktor yang dapat memengaruhi jumlah penyewaan sepeda.

Karena data dikumpulkan secara kronologis dari waktu ke waktu, pendekatan yang digunakan dalam penelitian ini adalah analisis deret waktu (time series). Analisis ini bertujuan untuk mengamati pola perubahan jumlah penyewaan sepeda sepanjang periode pengamatan, seperti adanya tren jangka panjang, pola musiman, maupun fluktuasi jangka pendek. Dalam penelitian ini, kedua jenis dataset tersebut dimanfaatkan secara bersamaan, di mana dataset day digunakan untuk melihat pola penyewaan sepeda dalam skala waktu yang lebih luas, seperti tren harian maupun perbandingan bulanan antar tahun, sedangkan dataset hour digunakan untuk menganalisis pola penyewaan sepeda dalam skala waktu yang lebih rinci, yaitu pola penggunaan sepeda dalam satu hari berdasarkan jam.

Dengan menggunakan pendekatan analisis time series pada kedua dataset tersebut, diharapkan dapat diperoleh pemahaman yang lebih menyeluruh mengenai dinamika penyewaan sepeda selama periode pengamatan, baik dari sisi perubahan jangka panjang maupun variasi penggunaan sepeda dalam skala waktu yang lebih detail.

Untuk menjawab pertanyaan tersebut digunakan beberapa visualisasi time series, seperti line plot dengan smoothing untuk melihat tren penyewaan sepeda dari waktu ke waktu, perbandingan rata-rata bulanan antar tahun untuk mengidentifikasi pola musiman, serta visualisasi pola penyewaan per jam untuk melihat variasi penggunaan sepeda dalam satu hari. Melalui visualisasi ini, pola perubahan dan kecenderungan penggunaan sepeda diharapkan dapat terlihat dengan lebih jelas dan mudah dipahami.

Time Series Total Penyewaan Sepeda dengan Smothing

Dari visualisasi yang sudah ditampilkan terlihat bahwa emasuki 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 menunjukkan bahwa penggunaan sepeda cenderung meningkat selama periode pengamatan, meskipun jumlah penyewaan berubah-ubah cukup besar dari hari ke hari.

Perbandingan Rata-rata Penyewaan Sepeda Bulanan (2011 vs 2012)

Secara umum, grafik menunjukkan bahwa rata-rata penyewaan sepeda pada tahun 2012 lebih tinggi dibandingkan tahun 2011 di hampir semua bulan. Hal ini menunjukkan bahwa penggunaan layanan bike sharing mengalami peningkatan dari tahun ke tahun, yang mengindikasikan semakin banyak masyarakat yang memanfaatkan sepeda sebagai sarana transportasi maupun rekreasi.

Selain itu, terlihat adanya pola musiman, di mana penyewaan sepeda cenderung meningkat sejak awal tahun dan mencapai puncaknya pada sekitar pertengahan tahun, kemudian menurun kembali menjelang akhir tahun. Pada tahun 2012, puncak rata-rata penyewaan terjadi pada bulan September, sedangkan pada tahun 2011 puncaknya terjadi sekitar bulan Juni.

Secara keseluruhan, visualisasi ini menunjukkan bahwa penggunaan sepeda tidak hanya meningkat dari tahun ke tahun, tetapi juga dipengaruhi oleh faktor musiman, sehingga penyewaan cenderung lebih tinggi pada bulan-bulan tertentu.

Pola Penyewaan Sepeda per Jam

Pada dini hari hingga pagi sangat awal (00.00–05.00), rata-rata penyewaan sepeda masih relatif rendah. Titik terendah terjadi sekitar pukul 04.00 dengan rata-rata sekitar 6 penyewaan, yang menunjukkan bahwa aktivitas masyarakat pada waktu tersebut masih sangat sedikit.

Memasuki pagi hari (06.00–09.00), jumlah penyewaan meningkat tajam dan mencapai sekitar 380 penyewaan pada pukul 08.00. Selanjutnya pada siang hingga sore (10.00–16.00), penyewaan relatif stabil pada kisaran 200–300 penyewaan per jam, menandakan sepeda tetap digunakan secara konsisten selama aktivitas harian berlangsung.

Puncak penyewaan terjadi pada pukul 17.00 dengan rata-rata sekitar 519 penyewaan, lalu masih cukup tinggi pada pukul 18.00 sebelum menurun kembali pada malam hari. Secara keseluruhan, pola ini menunjukkan dua periode peningkatan utama, yaitu pagi (sekitar 08.00) dan sore (17.00–18.00). Hal ini sangat wajar terjadi karena berkaitan dengan aktivitas berangkat dan pulang kerja masyarakat.

Kesimpulan

Berdasarkan hasil analisis dan visualisasi data penyewaan sepeda dari sistem bike sharing di Washington, D.C., dapat disimpulkan bahwa terdapat pola yang cukup jelas dalam penggunaan layanan penyewaan sepeda sepanjang periode pengamatan. Visualisasi tren penyewaan sepeda harian dengan teknik smoothing menunjukkan adanya kecenderungan peningkatan jumlah penyewaan sepeda dari waktu ke waktu, meskipun tetap terdapat fluktuasi harian yang cukup kuat.

Perbandingan rata-rata penyewaan sepeda bulanan antara tahun 2011 dan 2012 menunjukkan bahwa tingkat penggunaan layanan bike sharing pada tahun 2012 cenderung lebih tinggi dibandingkan tahun sebelumnya. Selain itu, terlihat adanya pola musiman, di mana jumlah penyewaan sepeda cenderung meningkat pada pertengahan tahun dan menurun kembali menjelang akhir tahun.

Analisis pola penyewaan sepeda per jam menunjukkan bahwa penggunaan sepeda sangat dipengaruhi oleh aktivitas harian masyarakat. Penyewaan sepeda relatif rendah pada dini hari, kemudian meningkat pada pagi hari, dan mencapai puncaknya pada sore hari sebelum kembali menurun pada malam hari.

Secara keseluruhan, hasil analisis menunjukkan bahwa penggunaan layanan bike sharing dipengaruhi oleh faktor waktu, baik dalam skala harian, bulanan, maupun jam dalam satu hari. Oleh karena itu, pemahaman terhadap pola-pola ini dapat memberikan informasi yang bermanfaat dalam pengelolaan sistem penyewaan sepeda, seperti dalam perencanaan distribusi sepeda maupun peningkatan kualitas layanan pada waktu-waktu dengan permintaan yang tinggi.