Muhammad Fadzryan, Reza
Unknown Affiliation

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

Found 1 Documents
Search

Penerapan Kombinasi Random Forest dan Optuna Hyperparameter Tuning Untuk Meningkatkan Akurasi Prediksi Harga Rumah Muhammad Fadzryan, Reza; Angga Laksana, Eka
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 6 (2025): JPTI - Juni 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.846

Abstract

Prediksi harga rumah merupakan aspek penting dalam pengambilan keputusan investasi di sektor properti. Penelitian ini bertujuan untuk membandingkan beberapa algoritma Machine Learning dan Deep Learning dalam memprediksi harga rumah, serta mengoptimalkan Random Forest Regressor menggunakan Optuna dengan implementasi Tree-structured Parzen Estimators (TPE). Dataset yang digunakan adalah House Price 2023 Dataset dari Kaggle, yang mencakup 168.000 entri data properti di Pakistan. Metodologi penelitian ini meliputi tahap preprocessing data, rekayasa fitur, serta penerapan beberapa algoritma prediksi, yaitu Artificial Neural Networks (ANN) dengan model Feedforward Neural Network, KNeighborsRegressor, Linear Regression, dan Random Forest Regressor. Model-model ini dievaluasi menggunakan metrik MAE, MSE, RMSE, R-squared, dan Akurasi. Random Forest Regressor memberikan hasil terbaik dengan R-squared 0.91 dan Akurasi 91.33%. Untuk meningkatkan performa model, diterapkan optimasi hyperparameter menggunakan Optuna dengan pendekatan TPE yang berbasis Bayesian Optimization. Hasil model yang dioptimalkan mencapai peningkatan performa dengan R-squared 0.92 dan akurasi 91.75%. Hasil ini menunjukkan bahwa optimasi hyperparameter menggunakan Optuna berbasis Bayesian Optimization dapat meningkatkan akurasi prediksi harga rumah yang dapat diaplikasikan dalam analisis investasi properti.