Penelitian ini bertujuan untuk mengestimasi jumlah penumpang dan potensi pendapatan Stasiun MRT Jakarta Fase 2A yang saat ini masih dalam tahap konstruksi. Mengingat ketiadaan data historis untuk stasiun-stasiun yang belum beroperasi, pendekatan Markov Chain diadaptasi untuk memodelkan transisi penumpang antar stasiun yang telah beroperasi (Fase 1). Selain itu, metode clustering diterapkan untuk mengelompokkan stasiun-stasiun baru berdasarkan karakteristik demografi wilayah, didahului oleh reduksi dimensi data menggunakan Principal Component Analysis (PCA).
Pada tahap awal, implementasi metode K-Means menunjukkan hasil klasterisasi yang kurang optimal. Untuk melakukan rantai Markov, diperlukan klaster dengan kombinasi antara stasiun Fase 1 dan Fase 2A. Namun, dari eksperimen dengan 3 dan 4 klaster menggunakan K-Means, hanya dua klaster yang berhasil menunjukkan kombinasi tersebut. Oleh karena itu, penelitian ini beralih pada metode Fuzzy C-Means (FCM). FCM terbukti berhasil mengelompokkan stasiun menjadi empat klaster, dengan tiga klaster di antaranya memuat kombinasi stasiun Fase 1 dan Fase 2A.
Secara keseluruhan, hasil penelitian mengindikasikan bahwa penambahan stasiun baru akan berkontribusi pada peningkatan signifikan jumlah penumpang dan pendapatan pada setiap stasiun, dengan puncak komuter observasi terjadi pada hari kerja (khususnya Selasa dan Rabu). Model Markov Chain yang telah diperluas memproyeksikan peningkatan rata-rata penumpang harian sebesar 27,5% pada hari kerja dan 43,8% pada akhir pekan untuk Fase 2A. Estimasi pendapatan harian diperkirakan mencapai puncaknya sekitar Rp1,216 miliar pada hari Selasa, di mana Stasiun Monas diidentifikasi sebagai kontributor pendapatan terbesar di antara stasiun Fase 2A. Temuan ini memberikan implikasi krusial bagi perencanaan bisnis, strategi operasional, dan pengembangan Transit-Oriented Development (TOD) di masa mendatang.