<![CDATA[Penelitian ini menganalisis pengaruh fitur properti terhadap nilai jual rumah di Kecamatan Cidahu, Kabupaten Sukabumi, menggunakan tiga algoritma Machine Learning Multiple Linear Regression (MLR), Random Forest Regression (RFR), dan Support Vector Regression (SVR) dengan kerangka kerja CRISP-DM. Data dikumpulkan melalui web scraping platform Pinhome (435 data mentah) dan diperkaya menggunakan SMOTE menjadi 2.104 data final. Seleksi fitur tiga tahap (korelasi Spearman, uji VIF, dan Feature Importance) menghasilkan dua fitur terpilih: luas tanah dan luas bangunan. Luas tanah terbukti sebagai fitur paling dominan (β* = 0,826260, t = 40,29, p < 0,001). Evaluasi model menunjukkan RFR meraih kinerja terbaik dengan R² = 0,9532, MAE = Rp56.580.528, RMSE = Rp117.368.937, dan MAPE = 8,09%, mengungguli MLR (R² = 0,5657) dan SVR (R² = 0,1994). Pengujian kestabilan 5-Fold Cross-Validation memperkuat keunggulan RFR dengan rerata R² = 0,9446. Model RFR diimplementasikan dalam aplikasi web berbasis Streamlit sebagai prototipe estimasi harga yang objektif dan transparan.]]>
Copyrights © 2026
