Sistem Prediksi Harga Sewa Kost dengan Menggunakan Random Forest Analytics (Studi Kasus : Kost Eksklusif di Daerah Istimewa Yogyakarta)

Abstract

Yogyakarta adalah kota yang memiliki daya tarik bagi pendatang dengan tingkat pertumbuhan penduduk yang tinggi. Kota ini banyak menarik masyarakat untuk datang, tidak hanya untuk berwisata, melainkan untuk melangsungkan pendidikan, bahkan untuk bekerja dan menetap sementara waktu. Pemilihan kost sebagai hunian menjadi solusi alternatif bagi para pendatang tersebut. Permintaan yang besar, memunculkan adanya jasa pengiklan hunian secara daring. Mamikos adalah salah satunya, menyajikan informasi kamar kostan, lengkap dengan fasilitas kost, harga kost, dan dekorasi kamar beserta foto desain kamar yang menggambarkan kondisi sebenarnya. Mamikos dalam websitenya menampilkan harga sewa dengan penyesuaian kriteria yang dibutuhkan seperti Daerah, WiFi, Akses 24 jam, Kamar Mandi, Kecamatan, Jenis Kost dan Jangka Waktu Sewa. Namun, belum ada fasilitas untuk pengunjung mengetahui rata-rata / harga prediksi kostan dengan kriteria yang diinginkan, sehingga perbandingan harga dilakukan secara manual. Berdasarkan permasalahan tersebut, peneliti menerapkan metode random forest yang mampu membantu pengunjung menentukan keputusan berupa harga sewa prediksi dengan variabel yang diinginkan dalam suatu prototype yang memiliki User Experience yang mudah, sederhana dan fungsional. Berdasar kalkulasi dari random forest membentuk model prediksi dari 1111 data kostan di Yogyakarta yang dibagi menjadi 80% data train dan 20% data terbentuklah 20 pohon untuk memprediksi harga sewa kostan dengan tingkat akurasi sebesar 75.62%, R-squared data testing sebesar 65.91% dan R-Squared data training sebesar 94.9%. Model yang terbentuk memiliki feature importance, hal tersebut berpengaruh pada pembentukan model prediksi dari faktor kepentingan terbesar yaitu oleh variabel Jangka Waktu Sewa sebesar 0.682 dan variabel Akses 24 jam dengan faktor kepentingan terkecil sebesar 0.0103.Selanjutnya model tersebut diintegrasikan menggunakan Flask dan Heroku sehingga dapat menjadi prototype yang dapat diakses oleh semua orang dengan fungsi melakukan prediksi harga sewa kost berdasarkan kriteria yang diinginkan.