Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Muhammad Fadhillah Akbar
Universitas Pamulang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Kelayakan Pembelian Rumah Menggunakan Algoritma Decision Tree Fitri Yanti; Jaka Sutresna; Ahmad Musyafa; Muhammad Fadhillah Akbar
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.v5i2.1597

Abstract

Harga rumah di setiap daerah berbeda-beda sesuai dengan daerah dan kategorinya masing-masing, khususnya harga rumah yang berada di kota Tangerang Selatan. Karena banyaknya variasi karakteristik properti sehingga masyarakat atau calon pembeli sering mengalami kesulitan untuk menentukan apakah harga rumah tersebut termasuk kedalam kategori murah atau mahal. Dalam penelitian ini memberikan solusi untuk mengelompokan dan mengkategorikan harga rumah yang ada di Tangerang Selatan dengan menerapkan pendekatan data mining menggunaka  algoritma Decision Tree. Algoritma ini dapat membantu untuk mengklasifikasi harga rumah di Tangerang Selatan dengan atribut yang digunakan terdiri dari 8 variabel, meliputi nomor data, nama rumah, harga dari rumah, luas bangunan, luas tanah, jumlah kamar tidur, jumlah kamar mandi, dan kapasitas mobil dalam garasi. Implementasi model dilakukan menggunakan bantuan software Orange Data Mining serta bahasa pemrograman Python. Hasil penelitian menunjukkan bahwa model Decision Tree yang terbentuk memiliki 39 nodes dan 20 leaves dengan pembagian kelas target berupa "Setuju" dan "tidak". Evaluasi performa model menggunakan metode 5-fold cross-validation menghasilkan Classification Accuracy (CA) sebesar 45% dan AUC sebesar 0.467. Analisis matriks konfusi menunjukkan adanya tingkat misklasifikasi yang tinggi akibat ketimpangan skala antar-fitur data numerik. Melalui klasifikasi ini, diharapkan calon pembeli dapat lebih mudah mengenali potensi penawaran properti secara lebih terstruktur.
Co-Authors Ahmad Musyafa Fitri Yanti Jaka Sutresna