<![CDATA[Seiring dengan perkembangan teknologi yang pesat, kebutuhan akan solusi digital yang efisien dalam berbagai bidang semakin meningkat, termasuk dalam sektor properti. Pencarian dan penilaian harga rumah biasanya memerlukan interaksi langsung dengan agen properti atau pemilik rumah. Hal ini menciptakan kebutuhan akan metode prediksi harga rumah yang lebih efisien tanpa harus berinteksi langsung dengan yang bersangkutan. Penelitian ini mengusulkan implementasi Random Forest Regressor dalam kerangka Machine Learning yang diwujudkan dalam bentuk aplikasi untuk memprediksi harga rumah berdasarkan citra properti yang dapat digunakan oleh siapa saja dan di mana saja. Dataset yang digunakan dalam penelitian ini mencakup ribuan data numerik seperti jumlah kamar tidur, jumlah kamar mandi, luas bangunan, kondisi bangunan, dan aksebilitas. Metode Random Forest Regression dapat diterapkan setelah pengguna menambahkan Feature Description dan melatih Data Train dalam Machine Learning untuk memastikan efisiensi dan akurasi metode ini. Hasil penelitian menunjukkan bahwa model berbasis citra dengan Random Forest Regression dengan bantuan Decision Tree dapat memprediksi harga rumah dengan akurasi yang cukup baik. Aplikasi ini dapat diakses oleh pengguna dari berbagai wilayah, sehingga memberikan fleksibilitas dan kemudahan dalam penggunaan. Metode ini terbukti efektif untuk analisis awal dan dapat menjadi alat bantu yang signifikan dalam pengambilan keputusan penilaian properti.]]>
Copyrights © 2025
