Perbandingan Algoritma Random Forest, Gradient Boosting dan AdaBoost dalam Prediksi Harga Rumah Tangerang Selatan

Angkawijaya Sudirgo, Victor (2023) Perbandingan Algoritma Random Forest, Gradient Boosting dan AdaBoost dalam Prediksi Harga Rumah Tangerang Selatan. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (854kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (222kB) | Preview
Preview	PDF BAB_I.pdf Download (295kB) | Preview
Preview	PDF BAB_II.pdf Download (435kB) | Preview
Preview	PDF BAB_III.pdf Download (334kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
Preview	PDF BAB_V.pdf Download (206kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (971kB)

Abstract

Properti merupakan salah satu industri yang menjadi kebutuhan manusia. Salah satu tipe properti adalah rumah, merupakan suatu bangunan dimana manusia tinggal dan melangsungkan kehidupannya. Menurut riset Bank Indonesia, pasar industri properti mengalami penurunan penjualan pada Q4 2022 dan juga mengalami kenaikan harga. Dalam penelitian ini, implementasi machine learning dilakukan untuk membuat fitur mesin prediksi harga rumah yang ada di Tangerang Selatan. Fitur mesin prediksi tersebut dapat melakukan prediksi harga rumah sesuai dengan lokasi dan spesifikasi rumah yang diinginkan oleh penggunanya. Penelitian ini menggunakan 3 algoritma machine learning yaitu Random Forest, Gradient Boosting dan AdaBoost dengan metode data mining CRISP- DM. Setelah penelitian dilakukan, hasil menunjukan performa yang didapatkan dari ketiga algoritma yang menghasilkan hasil yang cukup baik. Random Forest mendapatkan hasil r-squared 0.84677 dan RMSE 726422429.22. Gradient Boosting mendapatkan hasil r-squared 0.84902 dan RMSE 721066803.143, AdaBoost mendapatkan hasil r-squared 0.721942 dan RMSE 978561477.381. Random Forest dan Gradient Boosting memiliki hasil yang baik dan AdaBoost mendapatkan hasil yang cukup. Penelitian ini juga mendapatkan bahwa faktor yang paling mempengaruhi harga rumah merupakan luas bangunan. Implementasi fitur website menggunakan flask dibangun dan dapat digunakan untuk memprediksi harga rumah sesuai lokasi dan spesifikasi.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	CRISP-DM, Data Analisis , Machine learning, Rumah
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 600 Technology (Applied Sciences) > 650 Management and Public Relations > 659 Advertising, Marketing and Public Relations
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Jul 2023 09:45
Last Modified:	05 Jul 2023 08:45
URI:	https://kc.umn.ac.id/id/eprint/25605

Actions (login required)

View Item