<![CDATA[Kebutuhan akan rumah sebagai tempat tinggal utama semakin meningkat di Indonesia akibat pertumbuhan penduduk yang pesat. Selain sebagai kebutuhan dasar, rumah juga dipandang sebagai investasi berharga dengan nilai yang dapat berubah seiring waktu. Keragaman informasi harga perumahan seringkali membingungkan masyarakat dalam memilih rumah yang sesuai dengan kebutuhan dan kemampuan mereka. Oleh karena itu, diperlukan pengembangan model yang dapat mensimulasikan harga berdasarkan preferensi dan kemampuan masyarakat. Data dikumpulkan menggunakan teknik web scraping dengan batasan berlokasi di Jakarta Pusat. Prediksi harga rumah dilakukan menggunakan algoritma Regresi Linear, Support Vector Machine (SVM), dan Random Forest (RF). Hasil prediksi menunjukkan bahwa luas tanah dan luas bangunan merupakan variabel dengan pengaruh terbesar terhadap harga rumah. Dari pengujian yang dilakukan, Random Forest menunjukkan performa terbaik dengan nilai mean absolute error (MAE) 3023,501, root meansquared error (RMSE) 7112,713, koefisien determinasi (R²) 0,942, dan mean absolute percentage error (MAPE) 0,269.]]>
Copyrights © 2025
