<![CDATA[Perkembangan sektor perumahan di Indonesia mengalami peningkatan signifikan seiring dengan pertumbuhan jumlah penduduk dan urbanisasi yang pesat. Klasifikasi tipe perumahan berdasarkan aspek seperti harga, luas bangunan, jumlah kamar, dan lokasi menjadi penting untuk membantu pengembang, konsumen, serta pemerintah dalam pengambilan keputusan. Namun, permasalahan muncul karena proses klasifikasi tipe perumahan sering dilakukan secara manual dan subjektif, sehingga berpotensi menimbulkan ketidaktepatan dalam pengelompokan dan penentuan kategori hunian. Selain itu, belum banyak penelitian yang memanfaatkan pendekatan machine learning untuk menghasilkan model klasifikasi yang objektif dan efisien dalam konteks pasar properti di Indonesia. Penelitian ini bertujuan untuk mengklasifikasikan tipe perumahan di Kota Bandung menggunakan algoritma Logistic Regression sebagai metode machine learning yang mampu memprediksi kategori berdasarkan variabel input yang tersedia. Dataset yang digunakan berasal dari Kaggle dengan jumlah sekitar 7.000 entri dan delapan atribut utama, yaitu house_name, location, bedroom_count, bathroom_count, carport_count, price, land_area, dan building_area. Proses pengolahan data dilakukan menggunakan Google Colab, dibantu dengan Microsoft Excel (fungsi IF) untuk klasifikasi awal, serta pembuatan model di RapidMiner. Tahapan penelitian mencakup pengumpulan data, praproses data, pemodelan, dan evaluasi performa model. Hasil penelitian menunjukkan bahwa Logistic Regression mampu mengelompokkan tipe perumahan dengan tingkat akurasi yang memadai. Model ini dinilai efektif karena mudah diinterpretasikan dan efisien untuk data terstruktur. Implementasi model ini diharapkan dapat menjadi dasar dalam analisis pasar properti, membantu konsumen dalam menentukan pilihan hunian, serta mendukung kebijakan pengembangan sektor perumahan di Indonesia]]>
Copyrights © 2026
