Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Setrum : Sistem Kendali-Tenaga-elektronika-telekomunikasi-komputer
Octavia, Lia Nur
Institut Teknologi PLN
Education

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

Found 1 Documents
Search

 1 
Implementasi Machine Learning Untuk Memprediksi Harga Rumah Dengan Menggunakan Metode Decision Tree Regressor Dan Random Forest Regressor Salsabila, Mawarita; Adiwijaya, Rangga Prasetya; Octavia, Lia Nur
Setrum : Sistem Kendali-Tenaga-elektronika-telekomunikasi-komputer Vol 14, No 1 (2025): Edisi Juni 2025
Publisher : Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62870/setrum.v14i1.31025

Abstract

Seiring dengan perkembangan teknologi yang pesat, kebutuhan akan solusi digital yang efisien dalam berbagai bidang semakin meningkat, termasuk dalam sektor properti. Pencarian dan penilaian harga rumah biasanya memerlukan interaksi langsung dengan agen properti atau pemilik rumah. Hal ini menciptakan kebutuhan akan metode prediksi harga rumah yang lebih efisien tanpa harus berinteksi langsung dengan yang bersangkutan. Penelitian ini mengusulkan implementasi Random Forest Regressor dalam kerangka Machine Learning yang diwujudkan dalam bentuk aplikasi untuk memprediksi harga rumah berdasarkan citra properti yang dapat digunakan oleh siapa saja dan di mana saja. Dataset yang digunakan dalam penelitian ini mencakup ribuan data numerik seperti jumlah kamar tidur, jumlah kamar mandi, luas bangunan, kondisi bangunan, dan aksebilitas. Metode Random Forest Regression dapat diterapkan setelah pengguna menambahkan Feature Description dan melatih Data Train dalam Machine Learning untuk memastikan efisiensi dan akurasi metode ini. Hasil penelitian menunjukkan bahwa model berbasis citra dengan Random Forest Regression dengan bantuan Decision Tree dapat memprediksi harga rumah dengan akurasi yang cukup baik. Aplikasi ini dapat diakses oleh pengguna dari berbagai wilayah, sehingga memberikan fleksibilitas dan kemudahan dalam penggunaan. Metode ini terbukti efektif untuk analisis awal dan dapat menjadi alat bantu yang signifikan dalam pengambilan keputusan penilaian properti.
Co-Authors Adiwijaya, Rangga Prasetya Salsabila, Mawarita