<![CDATA[Harga rumah yang terus meningkat dan dipengaruhi oleh berbagai faktor menjadikan proses penetapan harga kerap tidak akurat, subjektif, dan kurang transparan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi harga rumah di wilayah Sleman dengan membangun model prediksi menggunakan algoritma Decision Tree Regressor. Data diperoleh dari situs rumah123.com dan difokuskan pada properti di Sleman, dengan lima fitur utama: jumlah kamar tidur, kamar mandi, carport, luas tanah, dan luas bangunan. Setelah melalui tahap pembersihan dan transformasi data, model dilatih dan dievaluasi untuk mengukur pengaruh masing-masing fitur terhadap harga. Hasil menunjukkan bahwa luas bangunan (building_area) menjadi faktor paling dominan, diikuti oleh luas tanah, jumlah kamar mandi, kamar tidur, dan carport. Visualisasi pohon keputusan menunjukkan bahwa pembagian awal dilakukan berdasarkan building_area ? 101,5 m². Rumah dengan ukuran kecil dan tanah sempit cenderung memiliki harga lebih rendah, namun terdapat anomali seperti rumah kecil dengan harga tinggi yang diduga dipengaruhi faktor eksternal seperti lokasi strategis. Model memiliki nilai koefisien determinasi (R²) sebesar 0,49, yang berarti mampu menjelaskan 49% variasi harga rumah. ilai ini masih tergolong moderat, mengingat kompleksitas data properti dan absennya fitur-fitur eksternal seperti lokasi geografis, status legalitas, dan kualitas bangunan. Nilai Root Mean Squared Error (RMSE) sekitar ±219 juta rupiah menunjukkan deviasi rata-rata prediksi terhadap harga aktual. Penambahan fitur eksternal serta penggunaan model ensemble disarankan untuk meningkatkan akurasi.]]>
Copyrights © 2025
