Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
Pepti Kumala Dewi
Universitas Muhammadiyah Bengkulu
Computer Science & IT

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

Found 1 Documents
Search

 1 
Penerapan Algoritma Linear Regression dalam Prediksi Harga Mobil Bekas Berbasis Machine Learning Pepti Kumala Dewi; Yoviapridiansyah
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i2.12494

Abstract

Penentuan harga mobil bekas sering menjadi permasalahan dalam proses jual beli kendaraan karena masih banyak dilakukan berdasarkan penilaian subjektif dan belum sepenuhnya memanfaatkan data. Penelitian ini bertujuan untuk memanfaatkan algoritma Linear Regression berbasis machine learning sebagai pendekatan dalam memprediksi harga mobil bekas secara lebih objektif dan terukur. Data kajian ini diperoleh dari platform Kaggle dengan total 8.128 data kendaraan bekas yang memuat atribut seperti tahun kendaraan, jarak tempuh, kapasitas mesin, daya maksimum, dan jumlah tempat duduk. Tahapan penelitian mencakup pengumpulan data, proses preprocessing, dataset pada penelitian ini dibagi ke dalam data latih dan data uji dengan rasio 80:20. Proses pelatihan model dilakukan menggunakan algoritma Multiple Linear Regression, sedangkan evaluasi performa model dilaksanakan setelah tahap pemodelan selesai. Seluruh tahapan pemodelan dan pengujian dijalankan menggunakan Google Colab sebagai lingkungan komputasi. Penilaian kinerja model dilakukan dengan memanfaatkan beberapa metrik evaluasi, meliputi Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), serta koefisien determinasi (R²). Hasil uji memperlihatkan bahwasannya model mempunyai performa yang baik, ditunjukkan oleh nilai MAE sebesar 96.477, RMSE sebesar 215.746, serta nilai R² sebesar 0,9289. Nilai tersebut mendefinsikan bahwasannya model mampu mendeskripsikan sebesar 92,89% variasi harga mobil bekas. Oleh karena itu, model prediksi yang dibangun dapat dimanfaatkan sebagai sistem pendukung keputusan dalam membantu penentuan harga mobil bekas secara lebih akurat.
Co-Authors Yoviapridiansyah