Implementasi Algoritma Regresi Linier Dan K-Nearest Neighbor Untuk Prediksi Harga Rumah

Abstract

Perkembangan pesat dibidang informatika telah membawa dampak signifikan pada berbagai aspek kehidupan manusia. Ini disebabkan oleh kemajuan teknologi komputer, perangkat mobile, jaringan internet, dan berbagai aplikasi perangkat lunak yang terus berkembang. Prediksi harga rumah menjadi suatu hal yang krusial karena dapat membantu calon pembeli, penjual, dan pihak terkait lainnya untuk membuat keputusan yang informasional dan cerdas. Tujuan penelitian ini yaitu untuk mengetahui faktor yang paling berpengaruh terhadap harga rumah, mengetahui perbandingan tingkat akurasi dari kedua algoritma dalam prediksi harga ruumah, dan cara generalisasi model regresi linier ke pasar perumahan yang berbeda. Metode yang digunakan dalam prediksi harga rumah adalah metode KDD menggunakan algoritma regresi linear dan k-nearest neighbor dalam konteks data mining. Pada penelitian ini faktor yang paling berpengaruh terhadap harga rumah adalah luas bangunan dengan nilai koefisien sebesar 23047431.201. Algoritma KNN mempunyai hasil akurasi yang lebih baik dibandingkan dengan regresi linier, perbandingan tingkat akurasi ini diambil berdasarkan nilai relative error. Hasil nilai relative error regresi linier sebesar 71.95% +/- 82.63%. Sedangkan hasil relative error k-nearest neighbor pada gambar sebesar 30.95% +/- 29.87%. Model regresi linier dapat digeneralisasi dengan baik ke pasar perumahan yang berbeda melibatkan beberapa pendekatan. Diantaranya yaitu Pengumpulan data yang representatif, normalisasi dan standarisasi, pemahaman konteks pasar.