<![CDATA[Penelitian ini bertujuan mengembangkan aplikasi mobile terintegrasi untuk klasifikasi harga laptop menggunakan metode machine learning guna membantu konsumen membuat keputusan pembelian yang objektif dan akurat. Masalah utama yang diatasi adalah kesulitan konsumen dalam mengklasifikasikan laptop berdasarkan kategori harga yang sesuai dengan kebutuhan dan anggaran mereka akibat kompleksitas variasi spesifikasi teknis dan proses klasifikasi manual yang subjektif. Dataset terdiri dari 1.500 sampel laptop dengan fitur brand, prosesor, RAM, penyimpanan, VGA, dan harga yang diklasifikasikan menjadi tiga kategori: Budget (≤10 juta), Mid-range (10-25 juta), dan Premium (>25 juta). Preprocessing data meliputi penghapusan missing values, deteksi outlier menggunakan Interquartile Range (IQR), dan feature engineering untuk kategorisasi tier VGA dan prosesor. Sistem scoring dikembangkan berdasarkan weighted features dengan rentang skor 5-50 untuk setiap komponen. Dua algoritma machine learning diimplementasikan: Support Vector Classification (SVC) dengan kernel RBF dan Logistic Regression (LR) dengan regularisasi L2. Evaluasi model menggunakan 5-fold cross-validation dengan pembagian data 80% training dan 20% testing menggunakan stratified sampling. SVC dengan kernel RBF mencapai akurasi 92% dengan confusion matrix yang menunjukkan dominasi diagonal tanpa kesalahan false positive/negative yang signifikan, sedangkan LR mencapai akurasi 85% dengan kecepatan training yang superior. Aplikasi mobile yang dikembangkan menggunakan React Native berhasil menyediakan fitur real-time classification, confidence scoring, dan export hasil untuk membantu konsumen dalam pengambilan keputusan pembelian laptop yang objektif dan akurat. Sistem scoring berbasis weighted features terbukti efektif dalam memberikan klasifikasi objektif menggantikan proses manual yang subjektif dan tidak konsisten.]]>
Copyrights © 2025
