Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perbandingan Model Regresi Linier dan Random Forest Regressor dalam Estimasi Harga Jual Rumah Berdasarkan Data Properti di Yogyakarta Indriani Zabrina Putri; Rosyada, Mila; Salma Elsa Widyadhana; Saskia Aila Virda; Muhammad Arifin
Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Determining the selling price of a house is a crucial aspect in property transactions, especially in regions with dynamic market conditions such as Yogyakarta. This study compares two predictive modeling approaches Linear Regression and Random Forest Regressor in estimating house prices based on property data obtained from the rumah123.com website. The dataset used consists of 1,036 entries, covering variables such as price, land area, building area, number of bedrooms, number of bathrooms, availability of a carport, and location. After undergoing data preprocessing, both models were trained and tested using the same dataset to assess their predictive performance. Evaluation results indicate that the Random Forest model outperforms Linear Regression in terms of accuracy, particularly in handling data variation and non-linear relationships between variables. Although Linear Regression produced a coefficient of determination (R²) of 0.846 indicating that the model could explain 84.6% of the variability in house prices Random Forest demonstrated more precise predictions on the test data. These findings emphasize that selecting the appropriate model depends heavily on the complexity of the data and the required level of accuracy. This study provides a valuable contribution to the development of data-driven decision support systems for property price estimation and serves as a foundation for further research using more advanced machine learning approaches.
Implementasi Sistem SIGEMAS (Sistem Giga Media Arsip Surat) sebagai Solusi Digitalisasi Administrasi Surat Berbasis Web di PT. Giga Media Internet Salma Elsa Widyadhana; Arifin , Muhammad
Abdimas Toddopuli: Jurnal Pengabdian Pada Masyarakat Vol. 7 No. 1 (2025): Volume 7 No 1, Desember 2025
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/atjpm.v7i1.7565

Abstract

Administrasi surat memiliki peran penting dalam menunjang efisiensi dan efektivitas kerja organisasi. Namun, proses pengelolaan surat di PT. Giga Media Internet masih dilakukan dengan cara manuall, yang menimbulkan bermacam-macam kendala seperti kesalahan pencatatan, keterlambatan disposisi, dan kesulitan dalam penelusuran arsip. Kegiatan ini bertujuan untuk mengimplementasikan sistem pengarsipan surat berbasis web sebagai solusi digitalisasi administrasi surat agar lebih cepat, terintegrasi, dan aman. Metode pelaksanaan kegiatan menggunakan pendekatan partisipatif yang melibatkan staf bagian umum dan pimpinan perusahaan dalam setiap tahap kegiatan. Tahapan yang dilakukan meliputi analisis kebutuhan, perancangan sistem, pengembangan menggunakan PHP dan MySQL, implementasi di lingkungan perusahaan, serta pelatihan bagi pengguna. Hasil kegiatan menunjukkan bahwa sistem SIGEMAS (Sistem Giga Media Arsip Surat) berhasil meningkatkan efisiensi kerja dan akurasi pencatatan, di mana dua orang staf bagian umum dan satu pimpinan mampu mengoperasikan sistem dengan baik. Proses pencatatan surat menjadi 80% lebih cepat, pencarian arsip berkurang dari rata-rata 20 menit menjadi 2 menit, dan seluruh disposisi surat dapat dipantau secara digital. Temuan ini memperkuat teori transformasi digital organisasi yang menekankan pentingnya adaptasi teknologi dalam meningkatkan produktivitas dan transparansi kerja. Kesimpulan dari kegiatan ini menunjukkan bahwa implementasi SIGEMAS memberikan inovasi baru dalam tata kelola administrasi perusahaan dan memperkuat keterlibatan langsung masyarakat industri dalam penerapan sistem informasi digital.