Prediksi Harga Mobil Bekas dalam Penerapan Model Machine Learning menggunakan Random Forest dan Framework Flask (Studi Kasus: Mobil Bekas di Dki Jakarta pada Website Carmudi.co.id)

Abstract

Seiring berkembangnya zaman, mobil yang awalnya hanya kebutuhan sekunder berubah menjadi kebutuhan primer di Indonesia. Dominasi mobil menjadi transportasi yang paling diprioritaskan umat manusia diiringi dengan tingkat produksi dan penjualan yang meningkat beberapa tahun terakhir. Harga mobil baru yang lumayan tinggi membuat banyaknya masyarakat yang berusaha untuk memenuhi kebutuhannya dengan membeli mobil bekas. Tujuan dari penelitian ini untuk memprediksi harga mobil bekas di DKI Jakarta dengan mengimplementasi algoritma Random Forest dalam suatu web application. Variabel independen yang mempengaruhi harga mobil bekas adalah merek mobil, jenis mobil, tipe mobil, tahun mobil, jarak tempuh mobil, gearshift dan bahan bakar mobil. Harga mobil bekas diprediksi dengan algoritma Random Forest yang merupakan pengembangan dari Decision Tree model Classification and Regression Tree (CART). Pada penelitian ini menggunakan metode Random Forest Regression Model Random Forest dianalisis dengan bahasa pemrograman python dan disimpan dengan ekstensi pickle, yang kemudian dihubungkan dengan HTML dengan bantuan Framework Flask dan PythonAnywhere sehingga menjadi suatu web application. Pentingnya pengembangan model machine learning menjadi suatu website agar model machine learning yang telah dibuat dapat digunakan secara publik oleh para user yang akan menjual mobilnya ataupun para user yang ingin mencari harga mobil bekas yang sesuai dengan keinginannya. Berdasarkan hasil analisis Random Forest menggunakan data training dan data testing dengan rasio 80% dan 20%, dengan menggunakan parameter default menghasilkan akurasi sebesar 90,88%. Dilakukan Tuning Parameter untuk mendapatkan parameter optimal dengan n_estimators (ntree) optimal adalah 201 dan min_samples_leaf (mtry) adalah 1, diperoleh akurasi prediksi sebesar 94,12%.