Pemilihan fitur merupakan faktor penting dalam meningkatkan kinerja Multiple Linear Regression (MLR) untuk prediksi harga rumah karena penggunaan fitur yang tidak relevan dapat menurunkan akurasi model. Penelitian ini bertujuan mengusulkan metode Stepwise Simulated Annealing (SSA) sebagai pendekatan optimasi kombinatorial heuristik untuk seleksi fitur pada MLR. Metode yang diusulkan memodifikasi algoritma Simulated Annealing dengan mengintegrasikan mekanisme stepwise regression pada proses pembentukan solusi tetangga. Pengujian dilakukan menggunakan Boston Housing Dataset yang dimodifikasi dengan penambahan empat fitur noise, kemudian dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) dan koefisien determinasi (). Hasil penelitian menunjukkan bahwa SSA berhasil memilih lima fitur utama (RM(Average number of rooms per dwelling), PTRATIO(Pupil-teacher ratio by town), LSTAT(Percentage of lower status of the population), INDUS(Proportion of non-retail business acres per town), dan NOX(Nitric oxides concentration (parts per 10 million)) serta mengeliminasi seluruh fitur noise. Model yang dihasilkan memperoleh MAPE sebesar 14,8% dan sebesar 0,813, lebih baik dibandingkan Full Model maupun Backward Elimination. Hasil tersebut menunjukkan bahwa metode yang diusulkan mampu meningkatkan akurasi prediksi sekaligus menghasilkan model regresi yang lebih sederhana.
Copyrights © 2026