<![CDATA[Prediksi harga rumah merupakan aspek krusial dalam industri properti, khususnya di kota besar seperti Boston yang memiliki dinamika pasar yang kompleks. Penelitian ini mengimplementasikan algoritma regresi linier untuk memprediksi harga rumah berdasarkan berbagai atribut seperti jumlah kamar tidur, luas tanah, usia bangunan, dan kedekatannya dengan pusat kota. Dataset yang digunakan terdiri dari 501 data dengan 14 fitur yang mencakup karakteristik rumah dan lingkungan. Proses penelitian melibatkan tahapan Knowledge Discovery in Databases (KDD) mulai dari pemilihan hingga evaluasi model. Hasil analisis menunjukkan bahwa model regresi linier memberikan akurasi yang baik dengan nilai R-squared sebesar 0,745, mengindikasikan bahwa model dapat menjelaskan 74,5% variasi harga rumah. Penelitian ini memberikan wawasan berharga bagi pelaku industri properti untuk mendukung pengambilan keputusan berbasis data yang lebih efektif. Namun, terdapat ruang untuk peningkatan, terutama dalam mengurangi kesalahan prediksi melalui eksplorasi algoritma lain.]]>
Copyrights © 2025
