Article Per Year (5 Year)
p-Index From 2021 - 2026
3.403
P-Index
This Author published in this journals
All Journal KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063 Jurnal Pseudocode Journal of ICT Research and Applications SINTECH (Science and Information Technology) Journal WIDYA LAKSANA Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Indonesian Journal of Electrical Engineering and Computer Science Teknomatika (Jurnal Teknologi dan Informatika) INSERT: Information System and Emerging Technology Journal Jurnal Nasional Teknik Elektro dan Teknologi Informasi
I Md. Dendi Maysanjaya
Universitas Pendidikan Ganesha
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Implementasi Ensemble Stacking Regressor untuk Prediksi Harga Rumah Tinggal pada Tiga Kota di Indonesia Gede Aby Sanjiwa Kurniawan; I Made Dendi Maysanjaya; I Made Gede Sunarya
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 3 (2026): ONGOING : Karmapati Vol 15 No 3 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i3.116551

Abstract

Harga rumah tinggal di kawasan perkotaan Indonesia, khususnya Jakarta Selatan, Depok, dan Bandung, bersifat dinamis dan dipengaruhi oleh berbagai faktor yang kompleks sehingga diperlukan pendekatan prediksi yang akurat dan adaptif. Penelitian ini bertujuan menghasilkan model prediksi harga rumah tinggal yang akurat sebagai acuan pengambilan keputusan properti di wilayah dengan dinamika pasar yang tinggi, dengan membandingkan performa Ensemble Stacking Regressor terhadap model tunggal untuk menentukan pendekatan terbaik. Dataset yang digunakan bersumber dari tiga dataset publik di platform Kaggle dengan total 32.412 data yang digabungkan menjadi satu dataset terpadu. Pipeline penelitian mencakup data cleaning, feature engineering, exploratory data analysis, feature selection, dan preprocessing yang ketat berbasis stratified hold-out split 70:30, IQR outlier removal, Smoothed Target Encoding, dan StandardScaler, seluruhnya di-fit dari data training untuk mencegah data leakage. Pengembangan model menggunakan GridSearchCV 5-Fold untuk hyperparameter tuning dan Out-of-Fold 5-Fold untuk melatih Ridge meta-learner. Evaluasi akhir pada 30% data test menunjukkan Stacking Ensemble mencapai performa terbaik dengan R² = 0,7791, RMSE = Rp 364.020.171, dan MAE = Rp 245.314.435. Hasil uji Wilcoxon Signed-Rank Test mengonfirmasi bahwa Stacking Ensemble berbeda signifikan secara statistik dibandingkan Linear Regression dan XGBoost, namun tidak berbeda signifikan dengan Random Forest akibat tingginya korelasi prediksi antara kedua model tersebut.
Co-Authors Ali Djamhuri Aprilia Monica Sari Cahyadi, Kadek Wawan Dessy Seri Wahyuni Dharma Putra, I Gede Wira Driya, Putu Dhanu E. Elsa Herdiana Murhandarwati Elma Regina Nababan Gede Aby Sanjiwa Kurniawan Gede Aditra Pradnyana Gede Saindra Santyadiputra, Gede Saindra Gede Surya Mahendra Hanung Adi Nugroho I Gede Agus Krisna Perdana I Gede Mahendra Darmawiguna I Gede Riyan Ardi Darmawan I Gede Rusdy Mahayana Putra I Gusti Ayu Agung Diatri Indradewi I Made Angga Darma Putra I Made Ardwi Pradnyana I Made Edy Listartha I Made Gede Sunarya I Nyoman Saputra Wahyu Wijaya Irfan Walhidayah Irfanda, Achmad Kadek Suwis Satria Atmaja Komang Jepri Kusuma Jaya Komang Pramayasa Kusumadewi, Ni Made Ayu Mita Luh Witari Ningsih Made Satria Wibawa Made Windu Antara Kesiman Muhammad Ridwan Ni Ketut Artini Artalia Ni Komang Arista Tri Wahyuni Noor Akhmad Setiawan Putu Hendra Suputra Putu Setiari, Gusti Ayu Putu Yudia Pratiwi Saraya, Fashan Sudiasta Putri, Nyoman Dinda Indira Trihana Santhi Widhia K.Z Oktoeberza Yasa, I Gede Agus Sukariana