Prediksi Harga Rumah Menggunakan Implementasi Machine Learning Algoritma Random Forest (Studi Kasus : Harga Rumah Di Kota Yogyakarta Pada Website Pinhome.Id)

Abstract

Kepadatan penduduk yang terjadi di Indonesia menyebabkan semakin tingginya kebutuhan pokok. Salah satu kebutuhan pokok adalah kebutuhan papan atau tempat tinggal. Rumah merupakan tempat tinggal yang dibutuhkan oleh manusia untuk beristirahat. Kota Yogyakarta merupakan kota di D.I Yogyakarta dengan tingkat kepadatan penduduk paling tinggi yaitu sebesar 11.579 jiwa/km 2 pada tahun 2021. Terbatasnya lahan di perkotaan menyebabkan mayoritas penduduk kota mendapatkan rumahnya dengan cara membeli. Selain itu, rumahrumah di Kota Yogyakarta dapat digunakan sebagai investasi yaitu disewakan sebagai guest house atau dikontrakkan. Dari permasalahan ini, penulis ingin melakukan penelitian untuk memprediksi harga rumah di Kota Yogyakarta yang dapat dimanfaatkan oleh para calon pembeli rumah untuk melihat gambaran umum harga rumah serta para calon penjual untuk mengetahui gambaran umum harga jual rumah yang ingin dijual. Untuk melakukan prediksi harga rumah, penulis menentukan kriteria yang diperlukan yaitu lokasi rumah berdasarkan kecamatan, jumlah kamar tidur, jumlah kamar mandi, luas tanah (m ), luas bangunan (m 2 ), jumlah lantai, kelengkapan fasilitas rumah, dan jumlah carport. Data yang digunakan adalah data harga rumah di Kota Yogyakarta yang diambil dengan cara web scraping pada website pinhome.id. Prediksi harga rumah menggunakan algoritma random forest yang merupakan perkembangan dari decision tree dimana kombinasi dari masing-masing tree terbaik dikombinasikan ke dalam sebuah model sehingga dapat meningkatkan nilai akurasinya. nilai akurasi yang didapatkan adalah 86%. Dari hasil tersebut dibuat sebuah website yang bisa digunakan secara luas untuk memprediksi harga rumah di Kota Yogyakarta.