Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Gultom, Daniel Armando
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Prediksi Harga Rumah di Boston Dengan Model Regresi Linear Menggunakan Python Hartarti, Intania Dharma; Septiyani, Intan Amelia; Gultom, Daniel Armando; Hendrian, Yayan; Kinanti, Shynde Limar
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1210

Abstract

Prediksi harga rumah merupakan aspek krusial dalam sektor properti dan ekonomi karena dapat membantu proses pengambilan keputusan bagi pembeli, penjual, serta pengembang. Penelitian ini memiliki tujuan untuk membangun model prediksi harga rumah dengan pendekatan algoritma regresi linear. Dataset yang digunakan adalah Boston Housing, yang memuat berbagai variabel penentu harga rumah. Beberapa variabel penting dalam dataset tersebut mencakup jumlah kamar, usia bangunan, tingkat kriminalitas di lingkungan sekitar, dan jarak ke pusat kota. Pengolahan data dilakukan menggunakan bahasa pemrograman Python di editor Visual Studio Code (VS Code). Proses analisis mencakup eksplorasi data, analisis korelasi antar variabel, pemilihan fitur, pembangunan model, evaluasi performa model, dan visualisasi hasil. Model regresi linear kemudian dievaluasi dengan metrik seperti MAE, MSE, RMSE, dan R² untuk mengukur akurasi prediksi. Hasil evaluasi menunjukkan bahwa regresi linear mampu menghasilkan prediksi yang cukup baik dengan nilai R² yang menggambarkan korelasi yang kuat antara fitur dan harga. Berdasarkan temuan ini, regresi linear dinilai efektif sebagai pendekatan awal dalam memprediksi harga rumah berdasarkan data historis.
Co-Authors Hartarti, Intania Dharma Kinanti, Shynde Limar Septiyani, Intan Amelia Yayan Hendrian