<![CDATA[Pasar sepeda motor bekas di Indonesia menunjukkan tren penting sebagai moda transportasi yang layak. Namun demikian, penilaian harga pasar yang adil sering ditandai oleh subjektivitas dan menimbulkan tantangan besar bagi penjual dan pembeli dalam mencapai estimasi yang akurat. Penelitian ini berusaha untuk mengembangkan model prediktif untuk harga sepeda motor bekas menggunakan algoritma K-Nearest Neighbor (KNN), berdasarkan data historis. Dataset yang digunakan terdiri dari 199 catatan dengan atribut yang mencakup model, tahun, transmisi, pembacaan odometer, jenis kendaraan, perpajakan, efisiensi bahan bakar, dan kapasitas mesin. Metodologi penelitian mencakup sanitasi data (mengatasi nilai yang hilang melalui imputasi median), pra-pemrosesan (menggabungkan One-Hot Encoding dan Min-Max Scaling), di samping konstruksi model dengan pengaturan parameter k = 3. Temuan mengungkapkan bahwa model KNN menghasilkan nilai R-kuadrat (R2) 0,9255, Kesalahan Absolute Rata-rata (MAE) 816,55, dan Root Mean Squared Error (RMSE) 1.027,20. Temuan ini menunjukkan bahwa model ini mahir dalam menghitung 92,55% dari varians dalam harga, menjadikannya instrumen yang dapat diandalkan untuk dukungan keputusan di bidang penilaian sepeda motor bekas.]]>
Copyrights © 2026
