<![CDATA[Perkembangan platform properti digital seperti Rumah123.com menghasilkan data listing rumah dalam jumlah besar, namun pemanfaatannya untuk menghasilkan model prediksi harga yang objektif dan dapat diakses publik masih terbatas. Penelitian ini bertujuan menerapkan teknik data mining dengan metode regresi linear berganda untuk menganalisis dan memprediksi harga rumah di lima wilayah administratif DKI Jakarta berdasarkan karakteristik fisik properti. Data dikumpulkan melalui teknik web scraping menggunakan Python (BeautifulSoup dan Requests) dari Rumah123.com, menghasilkan 750 data awal dengan delapan atribut, yang setelah praproses (pemeriksaan missing value dan penanganan outlier menggunakan metode Interquartile Range) tersisa 692 data valid. Analisis regresi menggunakan metode Ordinary Least Squares pada perangkat lunak SPSS menghasilkan model dengan koefisien determinasi (R2) sebesar 0,550 dan Adjusted R2 sebesar 0,543, serta terbukti signifikan secara simultan melalui uji F (F = 83,185; Sig. < 0,001). Uji asumsi klasik menunjukkan residual berdistribusi normal, tidak terjadi heteroskedastisitas, tidak ada multikolinearitas serius, dan tidak terjadi autokorelasi (Durbin-Watson = 2,017). Hasil uji t menunjukkan bahwa lokasi wilayah, luas bangunan, luas tanah, dan jumlah kamar mandi berpengaruh signifikan terhadap harga rumah, dengan luas tanah sebagai prediktor paling dominan, sedangkan jumlah kamar tidur, ketersediaan garasi, dan jumlah lantai tidak berpengaruh signifikan. Persamaan regresi yang dihasilkan selanjutnya diimplementasikan ke dalam aplikasi berbasis web menggunakan PHP dan MySQL agar dapat digunakan secara interaktif oleh masyarakat umum, calon pembeli, dan investor properti dalam menilai kewajaran harga rumah di wilayah Jakarta.]]>
