Abstrak— Persaingan antar perusahaan tidak akan dapat terhindarkan apalagi terkait tujuan perusahaan dalam mendapatkan omset sebesar-besarnya. Salah satu persaingan yang terjadi adalah dibidang property atau jika lebih spesifik lagi yaitu penyewaan rumah. Sebuah perusahaan harus menentukan strategi bagaimana rumah yang akan disewakan nantinya akan sebanding dengan harga pembangunan. Maka dari itu perusahaan dapat melakukan klasifikasi rumah sewa dalam menentukan hal tersebut. Penelitian ini menggunakan model Gradient Boosting dan Light Gradient Boosting. Hasil yang didapatkan adalah bahwa model Gradient Boosting adalah model yang cocok pada penelitian ini dengan mendapatkan hasil accuracy 84.38%, precision 83.33% dan recall 87.53%. Jika dilihat perbandingan dari confusion matrix, Gradient Boosting memiliki jumlah hasil prediksi data lebih besar dibanding dibanding Light Gradient Boosting.Kata kunci: Rumah Sewa, Data Mining, Gradient Boosting, Light Gradient Boosting Abstract— Competition between companies cannot be avoided, especially regarding the company's goal of getting the maximum turnover. One of the competitions that occurs is in the property sector, or more specifically, house rental. A company must determine a strategy for how the house to be rented out will be comparable to the construction price. Therefore the company can classify rental houses in determining this. This study uses the Gradient Boosting and Light Gradient Boosting models. The results obtained are that the Gradient Boosting model is a suitable model in this study with 84.38% accuracy, 83.33% precision and 87.53% recall. If you look at the comparison of the confusion matrix, Gradient Boosting has a greater number of data prediction results than Light Gradient Boosting.Keywords : House for rent, Data Mining, Gradient Boosting, Light Gradient Boosting