Implementasi Artificial Intelligence untuk Memprediksi Harga Sewa Airbnb Menggunakan Metode Random Forest dan Penerapan Web Application Menggunakan Flask (Studi Kasus: Airbnb Tokyo)
Abstract
Airbnb merupakan salah satu marketplace online penyedia jasa penyewaan
penginapan. Dalam perkembanganya, Airbnb sudah menjangkau hampir diseluruh
dunia. Airbnb juga dapat digunakan para pemilik properti yang ingin menyewakan
tempat tinggalnya kepada para wisatawan. Bagi pelanggan, memilih Airbnb dengan
harga sewa yang ekonomis dan sesuai dengan fasilitas yang tersedia merupakan
faktor yang penting. Sementara bagi pemilik properti, penentuan harga sewa yang
kompetitif juga diperlukan untuk mendapatkan banyak pelanggan. Oleh karena itu
diperlukan suatu model yang dapat digunakan untuk memprediksi harga sewa
Airbnb dengan mempertimbangkan beberapa variabel yang diinputkan. Model
prediksi tersebut dapat digunakan pelanggan maupun pemilik properti untuk
membantu mengevaluasi harga yang ditawarkan dengan mengetahui informasi
minimal tentang nilai properti yang tersedia. Dalam penelitian ini Random Forest
Regreesion digunakan untuk melihat prediksi harga sewa Airbnb dengan variabel
prediktor yang diinputkan yaitu Neighbourhood, Property Type, Room Type,
Accommodates, Bathrooms, Bedrooms, Beds, Bed Type, Cleaning Fee, Guests
Included, Extra People, Minimum Nights. Random Forest Regression merupakan
salah satu metode machine learning yang dapat digunakan untuk menghasilkan
model prediksi. Konsep perhitungan Random Forest yaitu dengan mengambil
rataan dari sekian banyak hasil prediksi yang terbentuk sehingga diharapkan akan
menghasilkan prediksi dengan tingkat akurasi yang tinggi. Hasil testing model
Random Forest Regreesion mendapatkan nilai R2 sebesar 0,682 atau 68,2% dengan
nilai MSE 15389924.243 dan nilai MAPE sebesar 23.67% Kemudian model regresi
yang sudah didapatkan akan dimasukkan kedalam web application menggunakan
library flask pada python dan deployment menggunakan Heroku sehingga model
dapat diakses secara luas.
Collections
- Statistics [900]