Implementasi Random Forest Regressor dengan Flask pada Prototype Sistem Prediksi Harga Sepeda Motor Bekas (Studi Kasus : Sepeda Motor Bekas dengan Merek Honda, Kawasaki, Suzuki, dan Yamaha dari Situs Carmudi Indonesia)

Abstract

Perkembangan jumlah sepeda motor di Indonesia hampir setiap tahunnya mengalami peningkatan. Berdasarkan data yang bersumber dari AISI (Asosiasi Sepeda Motor Indonesia), data penjualan sepeda motor pada tahun 2019 mengalami kenaikan sebesar 1,63% dari tahun 2018. Honda menjadi produsen sepeda motor dengan penjualan tertinggi, kemudian Yamaha, Suzuki dan Kawasaki. Sepeda motor tidak hanya menjadi moda transportasi yang fleksibel, namun telah berkembang menjadi gaya hidup hingga membuat sebagian masyarakat senantiasa memperbarui sepeda motornya bukan karena rusak ataupun tidak berfungsi lagi. Tidak dipungkiri bahwa dalam kegiatan jual beli sepeda motor bekas melibatkan antara penjual dan pembeli, yang mungkin kesulitan dalam menentukan harga jual dan harga beli sepeda motor bekas tersebut. Berdasarkan urgensi di atas, dalam penelitian ini akan dibuat website (prototype) sistem prediksi harga sepeda motor bekas yang bisa diakses oleh publik. Penelitian ini menggunakan metode Random Forest Regressor secara default dan dilakukan optimasi dengan tuning hyperparameter menggunakan GridSearchCV untuk mendapatkan model dengan tingkat akurasi terbaik. Hasilnya terjadi peningkatan akurasi sebesar 0,62% setelah dilakukan tuning. Kemudian model tersebut dikoneksikan ke website (prototype) dengan web framework Flask serta dilakukan deploy ke Heroku sehingga prototype tersebut bisa diakses oleh publik.