Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Jurnal Statistika Universitas Muhammadiyah Semarang Intan Husada : Jurnal Ilmiah Keperawatan Emerging Statistics and Data Science Journal
Lisnawati, Intan
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics Nursing

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Emerging Statistics and Data Science Journal

 1 
Decision Tree-Based Boosting Method with An Application in House Sale Price Prediction: Decision Tree-Based Boosting Method with An Application in House Sale Price Prediction Lisnawati, Intan
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art30

Abstract

Metode boosting kembali memberikan inovasi dalam langkahnya, seperti XGBoost yang baru ‘lahir’ pada 2016 lalu. Metode yang nampak powerful ini melatarbelakangi pemilihan metode untuk memberikan prediksi yang dalam artikel ini adalah harga rumah. Dalam penulisan ini, keefektifannya akan diujicobakan kemudian dibandingkan dengan pendahulunya, gradient boosting. Melalui aplikasi beberapa data, nantinya akan memberikan sebuah prediksi berdasarkan data yang dimasukkan. Untuk menghasilkan prediksi yang lebih baik berdasarkan estimator tunggal, metode ensemble mengkombinasikan berbagai estimator tunggal dalam memberikan prediksi. Parameter setiap metode juga dapat diatur sedemikian rupa untuk memperkecil nilai error. Dalam penulisan ini, disajikan data percobaan yang kemudian memberikan prediksi harga rumah. Data testing digunakan untuk menilai metode yang paling rendah memberikan nilai error. Diantara metode yang diterapkan, gradient boosting menunjukkan nilai error terkecil US$ 22,766, disusul XGBoost US$ 24,069, sedangkan error terbesar oleh decision tree US$ 35,637.
Co-Authors Adi Nugroho, Anjasmoro AKHMAD FAOZI Ali Mustadi Chinara Putri SG, Akiko Juliani, Ana Kartika Winata, Rieke Nailla Hasna, Azwaj Supriyadi, Tedi Zulva, Yasmin