Analisis Metode Random Forest, Multiple Regression, dan Backpropagation Dalam Memprediksi Indeks Harga Apartemen di Indonesia

I NYM YOGA SAPUTRA

Informasi Umum

Kode

21.04.3224

Klasifikasi

518.172 - Algorithm-Research Methods

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Algorithm Analysis

Dilihat

596 kali

Informasi Lainnya

Abstraksi

Penelitian ini berfokus pada prediksi indeks harga apartemen di Indonesia dengan menggunakan data survei properti dari Bank Indonesia. Di era pandemi Covid-19, memprediksi harga jual beli apartemen secara akurat menjadi penting untuk meminimalisir dampak kerugian, sehingga membuat harga apartemen menarik untuk diprediksi. Pendekatan machine learning yang digunakan untuk memprediksi indeks harga apartemen adalah metode Random Forest, Multiple Regression, dan Backpropagation. Penelitian ini bertujuan untuk mengetahui metode yang lebih efektif dalam memprediksi akurasi data dalam jumlah kecil. Data yang digunakan adalah data indeks harga apartemen dari tahun 2012 hingga 2019 di wilayah JABODEBEK. Penelitian akan menghasilkan akurasi prediksi yang akan menentukan efektivitas penerapan metode tersebut. Metode Random Forest dengan parameter nestimators=100 dan maxfeatures=”log2” menghasilkan akurasi R2 sebesar 0,977. Metode Multiple Regression dengan korelasi antara variabel harga jual dan harga sewa sebesar 0,746, dan variabel inflasi sewa sebesar 0,042 menghasilkan akurasi R2 sebesar 0,559. Metode Backpropagation dengan skema tersembunyi 1000-4000-1 dan 20000 iterasi menghasilkan akurasi R2 sebesar 0,996. Oleh karena itu, metode Backpropagation lebih cocok dalam penelitian ini dibandingkan dengan kedua metode lainnya. Metode Backpropagation cocok karena mendapatkan akurasi yang hampir sempurna, sehingga metode ini dapat meminimalisir kerugian dalam berinvestasi jual beli apartemen di era pandemi Covid-19.