Implementasi Artificial Inteligence untuk Memprediksi Harga Penjualan Rumah Menggunakan Metode Random Forest dan Flask (Studi kasus: Rohini, India)

Abstract

Munculnya pandemi Corona Virus Diseases 2019 (COVID-19) memberikan efek negatif di segala aspek. Tak terkecuali bisnis properti, ditambah adanya kebijakan lockdown mengakibatkan pengurangan aktifitas diluar rumah. Akibatnya daya jual beli rumah mengalami penurunan. Penurunan penjualan rumah bisa menjadi salah satu faktor lambatnya pertumbuhan ekonomi di suatu negara. Kurangnya media informasi ditambah kebijakan larangan keluar rumah menyulitkan penjual dan pembeli dalam mendapatkan informasi harga rumah. Berdasarkan masalah tersebut maka dilakukan sebuah penelitian menggunakan metode Random Forest untuk memprediksi harga rumah untuk mempermudah penjual dan pembeli dalam bertransaksi. Metode random forest membangun suatu model dengan menggunakan beberapa pohon keputusan (decision tree) secara acak dan menggabungkan prediksi setiap pohon untuk mendapatkan hasil prediksi. Data yang digunakan dalam penelitian ini yaitu data sekunder yang bersumber dari website magicbricks. Hasil penelitian ini didapatkan pohon terbaik sebanyak 340 pohon, Faktor terbesar yang mempengaruhi prediksi harga rumah yaitu Area. Dengan hasil evaluasi model yang diperoleh untuk memprediksi harga rumah memiliki nilai Mean Absolute Percent Error (MAPE) sebesar 26.48% dan nilai R-squared sebesar 0.9423. Setelah mendapatkan model prediksi dilakukan perancangan web aplikasi menggunakan flask dan Heroku yang dapat digunakan untuk memprediksi harga rumah dengan kriteria yang diinginkan, sehingga calon penjual atau pembeli rumah bisa mendapatkan informasi dengan harga rumah yang mereka inginkan secara cepat dan mudah.