Prediksi Harga Rumah Menggunakan Implementasi Machine Learning Algoritma Random Forest (Studi Kasus : Harga Rumah Di Kota Yogyakarta Pada Website Pinhome.Id)
Abstract
Kepadatan penduduk yang terjadi di Indonesia menyebabkan semakin
tingginya kebutuhan pokok. Salah satu kebutuhan pokok adalah kebutuhan papan
atau tempat tinggal. Rumah merupakan tempat tinggal yang dibutuhkan oleh
manusia untuk beristirahat. Kota Yogyakarta merupakan kota di D.I Yogyakarta
dengan tingkat kepadatan penduduk paling tinggi yaitu sebesar 11.579 jiwa/km
2
pada tahun 2021. Terbatasnya lahan di perkotaan menyebabkan mayoritas
penduduk kota mendapatkan rumahnya dengan cara membeli. Selain itu, rumahrumah
di Kota Yogyakarta dapat digunakan sebagai investasi yaitu disewakan
sebagai guest house atau dikontrakkan. Dari permasalahan ini, penulis ingin
melakukan penelitian untuk memprediksi harga rumah di Kota Yogyakarta yang
dapat dimanfaatkan oleh para calon pembeli rumah untuk melihat gambaran
umum harga rumah serta para calon penjual untuk mengetahui gambaran umum
harga jual rumah yang ingin dijual. Untuk melakukan prediksi harga rumah,
penulis menentukan kriteria yang diperlukan yaitu lokasi rumah berdasarkan
kecamatan, jumlah kamar tidur, jumlah kamar mandi, luas tanah (m
), luas
bangunan (m
2
), jumlah lantai, kelengkapan fasilitas rumah, dan jumlah carport.
Data yang digunakan adalah data harga rumah di Kota Yogyakarta yang diambil
dengan cara web scraping pada website pinhome.id. Prediksi harga rumah
menggunakan algoritma random forest yang merupakan perkembangan dari
decision tree dimana kombinasi dari masing-masing tree terbaik dikombinasikan
ke dalam sebuah model sehingga dapat meningkatkan nilai akurasinya. nilai
akurasi yang didapatkan adalah 86%. Dari hasil tersebut dibuat sebuah website
yang bisa digunakan secara luas untuk memprediksi harga rumah di Kota
Yogyakarta.
Collections
- Statistics [899]