<![CDATA[Fluktuasi tarif sewa indekos di wilayah Sukabumi saat ini masih didominasi oleh penilaian sepihak tanpa standar baku. Kondisi ini memicu kerancuan, pencari tempat tinggal kesulitan menemukan hunian dengan harga rasional, sementara pengelola kebingungan menetapkan nominal kompetitif. Upaya menaksir harga menggunakan kalkulasi manual maupun regresi linear tradisional terbukti tidak mumpuni dalam memetakan interaksi non-linear yang sangat rumit antara nilai sewa, spesifikasi bangunan, dan letak properti. Merespons problematika tersebut, riset ini merancang sistem estimasi tarif kost berakurasi tinggi dengan mengadopsi arsitektur Random Forest Regressor. Alur komputasi dieksekusi terstruktur, dimulai dari ekstraksi data via web scraping platform Mamikos di 10 titik Sukabumi, pra-pemrosesan, hingga pembelajaran mesin dengan pembagian data uji 20%. Hasil penelitian mencatat kinerja evaluasi metrik R-Squared sebesar 76,34%, MAPE 23,59%, dan CV-RMSE 21,48%, yang menunjukkan margin simpangan sangat minim. Temuan feature importance menegaskan bahwa fasilitas AC merupakan determinan paling mendominasi pembentukan harga pasar dengan bobot 57,47%.]]>
Copyrights © 2026
