Prediksi Harga Penjualan Mobil Bekas dengan Menggunakan Algoritma K-Nearest Neighbors dan Linear Regression

Juan Antonio, Vincentius (2024) Prediksi Harga Penjualan Mobil Bekas dengan Menggunakan Algoritma K-Nearest Neighbors dan Linear Regression. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (790kB)
	PDF BAB_I.pdf Download (247kB)
	PDF BAB_II.pdf Download (301kB)
	PDF BAB_III.pdf Download (603kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (356kB)
	PDF DAFTAR_PUSTAKA.pdf Download (423kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Dalam era ekonomi yang semakin baik dan kebutuhan masyarakat yang meningkat, kepemilikan mobil telah menjadi suatu kebutuhan yang tidak terpisahkan. Hal ini menciptakan peluang besar bagi bisnis-bisnis yang bergerak di sektor penjualan mobil, baik baru maupun bekas. Namun terdapat tantangan yang menjadi hambatan serius bagi pebisnis dalam mengambil keputusan harga yang tepat, yang pada akhirnya dapat mempengaruhi pertumbuhan dan profitabilitas bisnis. Masalah utama yang dihadapi oleh bisnis penjualan mobil bekas adalah kesulitan dalam menentukan harga yang sesuai dengan kondisi pasar. Harga yang ditetapkan sering kali tidak mencerminkan nilai aktual dari mobil bekas tersebut, yang dapat menyebabkan kerugian bagi pebisnis. Selain itu, penentuan harga yang tidak tepat juga dapat mempengaruhi citra merek dan kepercayaan konsumen. Oleh karena itu, diperlukan solusi yang efektif untuk membantu dalam menentukan harga penjualan mobil bekas yang lebih akurat dan kompetitif. Penelitian ini mengusulkan penggunaan teknologi machine learning, dengan algoritma K-Nearest Neighbor (KNN) dan Linear Regression, untuk membuat prediksi harga penjualan mobil bekas yang lebih akurat. Metode ini dipilih karena kemampuannya dalam menangani berbagai jenis variabel, termasuk kategorikal dan numerik, yang umumnya ditemukan dalam dataset penjualan mobil bekas. Hasil penelitian menunjukkan bahwa penggunaan algoritma Linear Regression menghasilkan nilai MAE 5.4, MSE 760279536.33 dan Root Mean Squared Error (RMSE) sebesar 7.9, sedangkan algoritma K-Nearest Neighbor menghasilkan nilai MAE 10.5, MSE 3125496584.79 dan RMSE sebesar 16.2. Kedua algoritma ini menunjukkan potensi dalam meningkatkan akurasi prediksi harga penjualan mobil bekas, sehingga dapat membantu pebisnis dalam pengambilan keputusan yang lebih tepat dan efisien.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	K-Nearest Neighbor, Linear Regression, Machine Learning, Mobil bekas.
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Nov 2024 11:00
Last Modified:	10 Nov 2024 11:00
URI:	https://kc.umn.ac.id/id/eprint/34053

Actions (login required)

View Item