<![CDATA[Penelitian ini bertujuan untuk memprediksi harga rumah sesuai fitur yang diinginkan. Fokus penelitian membuat sebuah model pembelajaran mesin berdasarkan dataset yang tersedia, dengan memanfaatkan beberapa fitur yang dibutuhkan untuk memprediksi. Fitur pada dataset yang dijadikan variabel penelitian ini adalah lokasi rumah, jangkauan akses tol, jenis rumah serta jumlah lantai, kamar mandi, kamar tidur sebagai variabel x, dan harga jual sebagai variabel y. Metode yang digunakan adalah regresi linier berganda, dengan jumlah dataset sebanyak sepuluh ribu untuk di observasi. Setelah melalui tahapan pengolahan, kemudian data dibagi menjadi dua bagian: data untuk pelatihan dan pengujian. Penelitian ini menghasilkan Multiple R sebesar 93%, R Square sebesar 86%, Adjusted R Square sebesar 86% dengan standar error sebesar 2%, dengan intercept -0.14, menghasilkan persamaan y = 9E-05x - 0.142 dengan R² = 0.0004. Persamaan ini kemudian dilakukan uji coba terhadap data uji yang berbeda dari data latih, dan hasilnya bisa digunakan untuk memprediksi harga rumah, sehingga bisa membantu dengan cepat bagi yang berkepentingan.]]>
Copyrights © 2024
