<![CDATA[Dengan kepadatan penduduk di Jabodetabek menyebabkan peningkatan kebutuhan akan rumah, baik digunakan untuk kebutuhan dasar maupun dijadikan sebagai investasi. Maka dari itu, perlu dilakukannya penelitian akan analisis dari harga rumah di Jabodetabek untuk mengurangi kerugian dalam berinvestasi. Tujuan dilakukannya penelitian ini adalah untuk memprediksi harga rumah di Jabodetabek sesuai dengan preferensi yang dimiliki oleh pembeli dan membantu para investor dalam memprediksi harga rumah agar dapat mengurangi risiko kerugian. Metode yang digunakan untuk analisis harga rumah di Jabodetabek adalah dengan membandingkan algoritma multiple linear regression dan random forest regression dengan menerapkan metode information gain untuk seleksi fitur. Kerangka kerja yang digunakan pada penelitian ini adalah CRISP-DM (Cross-Industry Standard Process for Data Mining). Hasil penelitian menunjukkan bahwa model terbaik adalah random forest regression dengan 10 variabel bebas yang didasarkan pada RMSE (Root Mean Squared Error) terendah yaitu sebesar 561272163 yang kemudian diaplikasikan ke dalam website dengan menggunakan framework streamlit. Meskipun demikian, hasil menunjukkan RMSE (Root Mean Squared Error) pada model machine learning masih cukup tinggi, sehingga disarankan untuk penelitian selanjutnya mencoba menerapkan model algoritma selain dari multiple linear regression dan random forest regression, serta mencoba menerapkan seleksi fitur selain metode information gain yang diharapkan dapat menurunkan nilai RMSE (Root Mean Squared Error) pada model sistem prediksi harga rumah di Jabodetabek.]]>
