<![CDATA[Pasar properti rumah memiliki harga yang bervariasi tergantung lokasi dan spesifikasi bangunan. Penelitian ini melakukan segmentasi harga properti berdasarkan lokasi (latitude & longitude), harga, dan luas bangunan menggunakan algoritma K-Means Clustering. Dataset berisi 18.962 data properti dari wilayah Bandung dan sekitarnya. Data melalui tahap pembersihan, transformasi lokasi ke koordinat geografis, normalisasi, dan denormalisasi untuk memastikan kualitas analisis. Metode Elbow digunakan untuk menentukan jumlah cluster optimal dan menunjukkan nilai K = 3. Proses clustering menghasilkan tiga segmen: Cluster 0 (Affordable Housing) mencakup 7.751 properti dengan harga rendah dan bangunan kecil, Cluster 1 (Luxury Estate) sebanyak 2.402 properti dengan harga tinggi dan bangunan luas, serta Cluster 2 (Middle-Class Residences) terdiri dari 5.555 properti dengan karakteristik menengah. Visualisasi menggunakan peta interaktif berbasis Folium memperlihatkan distribusi spasial yang jelas, dengan konsentrasi tertinggi berada di pusat kota seperti Bandung dan Cimahi. Rata-rata harga di cluster 0 sekitar Rp900 juta, cluster 1 mencapai Rp4,9 miliar, dan cluster 2 sekitar Rp1,8 miliar. Penelitian ini menunjukkan bahwa K-Means efektif untuk segmentasi harga properti. Untuk hasil yang lebih komprehensif, disarankan agar penelitian lanjutan menambahkan variabel seperti aksesibilitas, fasilitas umum, dan kondisi bangunan.]]>
Copyrights © 2025
