PENERAPAN METODE RANDOM FOREST REGRESSION UNTUK MEMPREDIKSI HARGA RUMAH DI JAKARTA

MUHAMMAD SANDI KUNCORO, . (2024) PENERAPAN METODE RANDOM FOREST REGRESSION UNTUK MEMPREDIKSI HARGA RUMAH DI JAKARTA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (4MB)
	Text BAB I.pdf Download (403kB)
	Text BAB II.pdf Restricted to Registered users only Download (663kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (508kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (771kB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Download (320kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (264kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (254kB) | Request a copy

Abstract

Jumlah penduduk di kota Jakarta selalu mengalami peningkatan dalam beberapa tahun terakhir. Pada tahun 2021, jumlah penduduk yang tinggal di Kota Jakarta adalah 10.605.437 jiwa. Angka ini kemudian meningkat menjadi 10.640.007 jiwa di tahun 2022, menunjukkan kenaikan sebesar 0,33%. Tren peningkatan ini berlanjut di tahun 2023, di mana jumlah penduduk Kota Jakarta mencapai 10.672.100 jiwa, atau naik 0,30% dibandingkan tahun 2022. Jumlah penduduk yang terus meningkat membawa dampak besar pada kebutuhan dasar manusia. Salah satu kebutuhan primer yang paling terpengaruh adalah rumah. Sehingga prediksi terhadap harga rumah akan sangat berguna bagi produsen maupun konsumen. Teknologi yang semakin canggih menjadi sarana yang tepat dan efisien dalam mengiklankan rumah yang dijual sehingga teknologi dimanfaatkan oleh para investor atau warga yang menjual rumah sebagai tempat iklan salah satunya situs online OLX.co.id. Tujuan penelitian ini adalah untuk memprediksi harga rumah di Jakarta dengan metode Random Forest Regression dan membandingkan hasilnya dengan metode Regresi Linier Berganda. Variabel yang digunakan yaitu luas tanah, luas bangunan, jumlah kamar tidur, jumlah kamar mandi, jumlah lantai, dan lokasi. Hasil dari penelitian ini, Random Forest Regression mendapat skor akurasi 82%, lebih tinggi dibandingkan Regresi Linier Berganda yang hanya mendapat skor akurasi 59% untuk memprediksi harga rumah di Jakarta. Berdasarkan Random Forest Regression, faktor yang dianggap paling penting adalah luas tanah dan luas bangunan. Sementara faktor lainnya mendapat tingkat kepentingan fitur dibawah 5%.***** The population of Jakarta has always increased in recent years. In 2021, the population living in Jakarta was 10,605,437 people. This figure then increased to 10,640,007 people in 2022, showing an increase of 0.33%. This increasing trend continues in 2023, where the population of Jakarta will reach 10,672,100 people, or an increase of 0.30% compared to 2022. The increasing population has a major impact on basic human needs. One of the most affected primary needs is housing. So that predictions of house prices will be very useful for both producers and consumers. Increasingly sophisticated technology is an appropriate and efficient means of advertising houses for sale so that technology is utilized by investors or residents who sell houses as a place to advertise, one of which is the online site OLX.co.id. The purpose of this study is to predict house prices in Jakarta using the Random Forest Regression method and compare the results with the Multiple Linear Regression method. The variables used are land area, building area, number of bedrooms, number of bathrooms, number of floors, and location. The results of this study, Random Forest Regression got an accuracy score of 82%, higher than Multiple Linear Regression which only got an accuracy score of 59% to predict house prices in Jakarta. Based on Random Forest Regression, the factors considered to be the most important are land area and building area. Meanwhile, other factors received a feature importance level below 5%.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Prof. Dr. Suyono, M.Si. 2). Dania Siregar, S.Stat., M.Si.
Subjects:	Sains > Sains, Ilmu Pengetahuan Alam Sains > Matematika Sains > Matematika > Software, Sistem Informasi Komputer Sains > Statistika
Divisions:	FMIPA > S1 Statistika
Depositing User:	Muhammad Sandi Kuncoro .
Date Deposited:	04 Feb 2025 07:57
Last Modified:	04 Feb 2025 07:57
URI:	http://repository.unj.ac.id/id/eprint/52484

Actions (login required)

View Item