Implementasi Machine Learning Menggunakan Random Forest Dan Backpropagation Untuk Memprediksi Harga Jual Apartemen ( Studi Kasus : Apartemen Di Kota Administrasi Jakarta )

Abstract

Kegagalan untuk mengatasi penyakit Covid - 19 yang mengakibatkan pandemi di seluruh dunia . Pemerintah telah berupaya memberlakukan kebijakan lockdown untuk mencegah runtuhnya sektor kesehatan . Hal ini mengakibatkan sektor lainnya termasuk sektor properti dihadapkan dengan tantangan yang belum pernah terjadi sebelumnya . Penjualan apartemen di masa pandemi Covid - 19 semakin ketat akibat pelemahan ekonomi . Bekerja dari rumah telah menjadi standar di tempat kerja dan lebih banyak perusahaan mengadopsi pengaturan kerja remote atau hybrid . Dengan demikian , menjadikan peluang bagi apartemen untuk menarik permintaan semacam ini . Penelitian ini dilakukan agar pemilik apartemen dapat menentukan metode yang tepat dalam memprediksi harga jual apartemen . Dalam memprediksi harga jual apartemen kriteria yang digunakan yaitu , kota administrasi di Jakarta , jumlah kamar tidur , jumlah kamar mandi , furnitur , luas unit , jenis unit , dan lantai unit . Dalam penelitian ini , dilakukan prediksi harga apartemen dengan membandingkan metode Random Forest dan algoritma Backpropagation . Penelitian ini menggunakan data listing apartemen bulan November tahun 2021 di Lamudi . Berdasarkan hasil tingkat akurasi di antara dua metode diperoleh bahwa metode Backpropagation memberikan hasil yang cukup baik untuk memprediksi harga jual apartemen pada masing - masing kota administrasi di Jakarta dibandingkan dengan metode Random Forest . Hal ini dapat dilihat dari beberapa wilayah yang memiliki nilai MAPE lebih rendah yaitu Jakarta Barat sebesar 23.56 % , Jakarta Selatan sebesar 35.37 % , dan Jakarta Timur sebesar 12.95 % .