Prediksi Harga Mobil Bekas dengan Machine Learning

Abstract

Harga mobil bekas dipengaruhi oleh beberapa faktor yang berkaitan dengan mobil itu sendiri, seperti jenis mobil, model, edisi, tahun produksi, transmisi, bahan bakar, kapasitas mesin, dan jarak tempuh. Harganya juga fluktuatif dan persaingan yang tinggi antar penjual mobil bekas, dibutuhkan alat untuk memprediksi harga mobil bekas secara akurat dan cepat. Tujuan dari penelitian ini untuk membantu show room mobil bekas dalam memprediski harga secara cepat dengan data history menggunakan metode Deep Neural Network (DNN) dengan tiga lapisan tersembunyi. Dalam Penelitian ini dilakukan dua pendekatan utama penelitian, yaitu pendekatan kualitatif dan pendekatan kuantitatif. Hasil penelitian kami menghasilkan MAE=501232, R2=0.88 yang lebih baik dari penelitian sebelumnya dengan metode Random Forest menghasilkan MAE=521947, R2=0.82. Sehingga Metode DNN akan meningkatkan akurasi prediski yang lebih baik, meskipun tidak naik secara signifikan mengacu pada hasil penelitian.

Klasifikasi Kondisi Fisik Mobil Bekas Menggunakan Algoritma Neural Network (Nn)

“…Karena harga menjadi kriteria utama dalam jual beli, maka perusahaan wajib memperkirakan harga jual pasar dan harga beli sesuai spesifikasi mobil bekasnya (Surya Negara et al, 2023). Tak luput diantara Showroom sangat kompetitif bersaing agar tetap eksis dalam bisnis mobil bekas salah satu masalah yang di hadapi semua Showroom adalah menetukan harga secara cepat dan akurat sehingga Showroom bisa menjual mobil dagangannya dan segera mendapatkan revenue, Kondisi saat ini Prediksi harga mobil pun masih populer (Kriswantara et al, 2021).…”

Analysis of the Comparison Between Linear Regression, Random Forest, and Logistic Regression Methods in Predicting Crude Palm Oil (CPO) Price

“…Research using the random forest and decision tree to predict car prices was made by (Putra et al, 2023) resulted in an accuracy for random forest of 72.13% and decision tree of 67.21%. Random Forest research on used car prices was made by (Kriswantara et al, 2021) generated an MAE of 501,232 and R^2=0.88. In this research, an analysis was conducted to compare the Linear Regression, Random Forest, and Logistic Regression algorithm in predicting crude palm oil sales prices. Historical data on crude palm oil prices from 02/11/2022 to 13/11/2023 were used as the dataset for training and testing linear regression, logistic regression, and random forest models.…”

“…Research using the Random Forest method on LQ45 stock prices produced (Valiant et al, 2019). Research using the random forest and decision tree to predict car prices (Kriswantara et al, 2021). Research using Linear Regression to predict sales at company PT.…”

Pengembangan Model Machine Learning Regresi sebagai Web Service untuk Prediksi Harga Pembelian Mobil dengan Metode CRISP-DM

“…Pertumbuhan minat masyarakat ini mendorong meningkatnya bisnis penjualan mobil dengan pasar yang kompetitif. Setiap showroom penjualan mobil berusaha untuk meningkatkan penjualan mereka sehingga mampu mempertahankan bisnis dan bersaing dengan kompetitor lain [1]. Di antara cara yang dilakukan pelaku bisnis untuk dapat bersaing adalah dengan memberikan iklaniklan dan menetapkan harga jual mobil yang optimal berdasarkan spesifikasi mobil.…”

“…Pengujian pada sampel penjualan mobil "Brio" tahun 2014 yang dijual pada tahun 2019 menghasilkan estimasi harga jual sebesar Rp114.000.000 dengan nilai aktual sebesar Rp112.000.000. Pengembangan model machine learning untuk kasus prediksi yang sama juga dilakukan oleh [1] dengan metode Deep Neural Network (DNN). Data yang digunakan merupakan kumpulan data penjualan mobil bekas di India yang diperoleh melalui platform Kaggle.…”