<![CDATA[Keragaman spesifikasi dan harga smartphone menyulitkan pengguna menilai kewajaran harga serta menentukan segmen perangkat secara objektif. Perbedaan kombinasi spesifikasi pada perangkat dengan harga berdekatan membuat perbandingan manual kurang praktis dan dapat dipengaruhi penilaian subjektif. Penelitian ini membangun Random Forest Regressor untuk memprediksi harga resmi dan Random Forest Classifier untuk menentukan lima segmen smartphone. Data berasal dari Global Smartphone Database 2025 dengan konteks harga pasar Bangladesh. Dari 4.144 data mentah, seleksi dan pra-pemrosesan menghasilkan 1.375 data periode 2018-2025. Data dibagi berdasarkan kelompok model menjadi 968 data pelatihan, 203 data validasi, dan 204 data pengujian untuk mencegah varian perangkat yang sama tersebar antarbagiannya. Pembagian awal menggunakan GroupShuffleSplit, sedangkan StratifiedGroupKFold digunakan untuk menjaga keterwakilan segmen selama proses pengembangan tanpa mencampurkan kelompok model antarbagian. Model dikembangkan menggunakan RandomizedSearchCV, StratifiedGroupKFold lima lipatan, dan permutation importance. Optimasi hyperparameter dilakukan melalui RandomizedSearchCV dan pemilihan fitur memanfaatkan permutation importance agar konfigurasi masing-masing model disesuaikan dengan target yang berbeda. Model regresi menghasilkan MAE BDT 4.049,80, MAPE 14,74%, dan R² 0,9490. Model klasifikasi memperoleh akurasi 79,41%, Macro F1 76,42%, Adjacent Accuracy 100%, dan Far Error Rate 0%. Keluaran kedua model konsisten pada 84,31% data uji. Kedua pipeline berhasil diterapkan pada aplikasi HargaPonsel AI dan seluruh sepuluh skenario pengujian black-box dinyatakan valid. Aplikasi menampilkan estimasi harga, segmen, probabilitas kelas, konsistensi kedua model, dan perbandingan dengan harga aktual sebagai informasi pendukung bagi pengguna. Hasil ini menunjukkan pendekatan terintegrasi dapat membantu membaca hubungan spesifikasi, harga, dan segmen, dengan interpretasi tetap terbatas pada konteks harga resmi Bangladesh.]]>
