Prediksi Harga Rumah Di Karawang Menggunakan Algoritma Multiple Linear Regression dan Support Vector Regression

Ali  Handani; Amril  Siregar; Tohirin   Mudzakir

Ali Akbar Handani
Amril Mutoi Siregar
Tohirin Al Mudzakir

Keywords: Harga Rumah, Prediksi, Multiple Linear Regression, Support Vector Regression

Abstract

Rumah atau tempat tinggal merupakan kebutuhan utama bagi manusia, sehingga perlu perencanaan yang baik agar setiap keluarga dapat memiliki tempat tinggal yang layak. Dalam perencanaan tersebut, diperlukan prediksi atau perkiraan harga rumah di masa depan. Oleh karena itu, penelitian ini bertujuan untuk membuat model prediksi harga rumah menggunakan algoritma Multiple Linear Regression (MLR) dan Support Vector Regression (SVR) untuk dibandingkan. Data penelitian dikumpulkan melalui web scrapping dari beberapa situs web di bidang jual beli rumah, adapun variable yang mempengaruhi harga rumah seperti alamat, luas tanah, luas bangunan, kamar tidur, kamar mandi. Untuk tingkat yang baik dalam prediksi harga rumah, penelitian dilakukan beberapa kali dengan menggunakan data dependent dan data independent sebanyak 1732 data. Hasil perbandingan mendapatkan nilai akurasi 0.5439 dan evaluasi RMSE 148.3586 untuk algoritma Multiple Linear Regression (MLR), sedangkan algoritma Support Vector Regression (SVR) mendapatkan akurasi 0.5104 dan evaluasi RMSE 153.7563.

References

[1] M. L. Mu’tashim, T. Muhayat, S. A. Damayanti, H. N. Zaki, dan R. Wirawan, “Analisis Prediksi Harga Rumah Sesuai Spesifikasi Menggunakan Multiple Linear Regression,” Inform. J. Ilmu Komput., vol. 17, no. 3, hal. 238, 2021, doi: 10.52958/iftk.v17i3.3635.
[2] E. F. Rahayuningtyas, F. N. Rahayu, dan Y. Azhar, “Prediksi Harga Rumah Menggunakan General Regression Neural Network,” J. Inform., vol. 8, no. 1, hal. 59–66, 2021, doi: 10.31294/ji.v8i1.9036.
[3] A. Saiful, S. Andryana, dan A. Gunaryati, “Prediksi Harga Rumah Menggunakan Web Scrapping dan Machine Learning Dengan Algoritma Linear Regression,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 1, hal. 41–50, 2021, doi: 10.35957/jatisi.v8i1.701.
[4] I. Wahyuni, N. Nafi’iyah, dan Masruroh, “Sistem Peramalan Penjualan Perumahan di Kabupaten Lamongan dengan Menggunakan Metode Regresi Linier Berganda,” Semin. Nas. Sist. Inf. 2019, no. September, hal. 1969–1973, 2019.
[5] F. R. Lumbanraja, R. A. Saputra, K. Muludi, A. Hijriani, dan A. Junaidi, “Implementasi Support Vector Machine Dalam Memprediksi Harga Rumah Pada Perumahan Di Kota Bandar Lampung,” J. Pepadun, vol. 2, no. 3, hal. 327–335, 2021, doi: 10.23960/pepadun.v2i3.90.
[6] M. R. Fahlepi dan A. Widjaja, “Penerapan Metode Multiple Linear Regression Untuk Prediksi Harga Sewa Kamar Kost,” J. Strateg., vol. 1, no. November, hal. 615–629, 2019.
[7] Y. Cahyana dan A. M. Siregar, “Prediksi Analisis Penderita Covid19 di Indonesia dengan Metode Linier Regresi dan Unsupervised Learning,” Fakt. Exacta, vol. 14, no. 3, hal. 107, 2021, doi: 10.30998/faktorexacta.v14i3.10591.
[8] M. Djufri, “Penerapan Teknik Web Scraping Untuk Penggalian Potensi Pajak (Studi Kasus Pada Online Market Place Tokopedia, Shopee Dan Bukalapak),” J. BPPK Badan Pendidik. dan Pelatih. Keuang., vol. 13, no. 2, hal. 65–75, 2020, doi: 10.48108/jurnalbppk.v13i2.636.
[9] R. Yulia Hayuningtyas dan R. Sari, “Implementasi Data Mining Dengan Algoritma Multiple Linear Regression Untuk Memprediksi Penyakit Diabetes,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, hal. 174–180, 2022, doi: 10.31294/jtk.v4i2.
[10] A. Widiarni dan Mustakim, “Penerapan Algoritma Support Vector Regression untuk Prediksi Jumlah Pasien Covid-19 di Provinsi Riau,” Build. Informatics, Technol. Sci. J., vol. 3, no. 2, hal. 71–78, 2021, doi: 10.47065/bits.v3i2.1004.
[11] A. Bode, “Perbandingan Metode Prediksi Support Vector Machine Dan Linear Regression Menggunakan Backward Elimination Pada Produksi Minyak Kelapa,” Simtek J. Sist. Inf. dan Tek. Komput., vol. 4, no. 2, hal. 104–107, 2019, doi: 10.51876/simtek.v4i2.57.