Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Metode Multiple Linear Regression pada Sistem Prediksi Harga Sewa Kost Berbasis Web di Bengkayang Dealmus; Christian Cahyaningtyas
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1476

Abstract

Penentuan harga sewa kamar kost merupakan salah satu aspek penting dalam pengelolaan usaha penyewaan kost karena dipengaruhi oleh berbagai faktor, seperti ukuran kamar, fasilitas, lokasi, dan kondisi bangunan. Pada praktiknya, banyak pemilik kost masih menentukan harga sewa berdasarkan pengalaman dan penilaian subjektif sehingga berpotensi menghasilkan harga yang kurang sesuai dengan kondisi sebenarnya. Penelitian ini bertujuan untuk membangun sistem prediksi harga sewa kamar kost berbasis web menggunakan metode Multiple Linear Regression (MLR) sebagai pendukung pengambilan keputusan dalam menentukan harga sewa secara lebih objektif dan berbasis data. Penelitian menggunakan pendekatan kuantitatif dengan data yang diperoleh melalui observasi, wawancara, dan dokumentasi pada usaha kost di Kabupaten Bengkayang. Variabel penelitian terdiri atas ukuran kamar, fasilitas, lokasi, dan kondisi bangunan sebagai variabel independen, serta harga sewa sebagai variabel dependen. Sistem dikembangkan menggunakan PHP dan MySQL, sedangkan proses analisis dilakukan dengan metode Multiple Linear Regression. Hasil penelitian menunjukkan bahwa sistem berhasil mengimplementasikan model regresi untuk menghasilkan prediksi harga sewa secara otomatis. Persamaan regresi yang diperoleh menunjukkan bahwa variabel fasilitas dan lokasi memberikan pengaruh positif terhadap harga sewa, sedangkan ukuran kamar memiliki koefisien negatif dan kondisi bangunan tidak memberikan pengaruh yang signifikan pada model yang terbentuk. Hasil evaluasi model menghasilkan nilai Mean Absolute Error (MAE) sebesar Rp46.610,82 dan Mean Absolute Percentage Error (MAPE) sebesar 7,76%, yang menunjukkan bahwa model memiliki tingkat akurasi yang sangat baik. Dengan demikian, sistem yang dikembangkan mampu membantu pemilik kost dalam menentukan harga sewa secara lebih cepat, objektif, dan berdasarkan hasil analisis data.