Prediksi Harga Properti Di Indonesia Menggunakan Algoritma Random Forest

Ahmad Fauzi; Nurlaelatul Maulidah; Riki Supriyadi; Hiya Nalatissifa; Sri Diantika

doi:10.31004/riggs.v4i1.367

Authors

Ahmad Fauzi Universitas Bina Sarana Informatika
Nurlaelatul Maulidah Universitas Bina Sarana Informatika
Riki Supriyadi Universitas Nusa Mandiri
Hiya Nalatissifa Universitas Bina Sarana Informatika
Sri Diantika Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.31004/riggs.v4i1.367

Abstract

Harga properti merupakan aspek yang dipengaruhi oleh berbagai faktor, seperti lokasi, luas tanah, jumlah kamar, aksesibilitas, serta kondisi ekonomi di suatu wilayah. Prediksi harga properti yang akurat sangat penting bagi pengembang, investor, dan calon pembeli dalam mengambil keputusan yang tepat. Penelitian ini menerapkan algoritma Random Forest untuk memprediksi harga properti berdasarkan dataset sintetis yang mencakup 10.000 sampel properti dari berbagai kota di Indonesia. Data dianalisis dengan mempertimbangkan faktor utama yang memengaruhi harga, seperti luas tanah, luas bangunan, jumlah kamar tidur, jarak ke pusat kota, serta fasilitas terdekat. Model dievaluasi menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE), dengan hasil MAE sebesar Rp2,48 miliar dan RMSE sebesar Rp2,89 miliar, yang menunjukkan tingkat akurasi yang cukup baik. Analisis lebih lanjut mengungkap bahwa faktor jarak ke pusat kota merupakan variabel paling berpengaruh terhadap harga properti, diikuti oleh luas tanah dan luas bangunan. Hasil penelitian ini menunjukkan bahwa algoritma Random Forest dapat digunakan sebagai alat bantu dalam menentukan harga properti dengan akurasi yang lebih baik dibandingkan metode tradisional. Studi ini juga mengusulkan pengembangan lebih lanjut dengan mempertimbangkan faktor tambahan, seperti indeks pembangunan wilayah dan tren harga historis, untuk meningkatkan ketepatan prediksi.

Downloads

Download data is not yet available.

References

S. Amalia, M. S. Lubis, A. Nabilla Putri, R. Napitupulu, R. O. Hutapea, and A. Sianturi, “ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI HARGA PROPERTI,” Jurnal Matematika dan Ilmu Pengetahuan Alam, vol. 5, 2024, doi: 10.8734/trigo.v1i2.365.

F. Wahyuni, A. Puspa Gatari, and L. Sukarniati, “Daerah Istimewa Yogyakarta 55166.”

Rafif Nauval Tuah Siregar, Vijay Sitorus, and Willy Pramudia Ananta, “Analisis Prediksi Harga Rumah di Bandung Menggunakan Regresi Linear Berganda,” Journal of Creative Student Research, vol. 1, no. 6, pp. 395–404, Dec. 2023, doi: 10.55606/jcsrpolitama.v1i6.3038.

H. Hakim, D. Kamil, and B. Alatas, “Pendekatan Machine Learning untuk Estimasi Harga Rumah dengan Regresi Linier,” ALPHA: Journal of Science and Technology, vol. 1, no. 1, pp. 18–22, 2025, doi: 10.70716/alpha.v1i1.99.

M. Syahrul Efendi et al., “RESOLUSI : Rekayasa Teknik Informatika dan Informasi Penerapan Algoritma Random Forest Untuk Prediksi Penjualan Dan Sistem Persediaan Produk,” Media Online), vol. 5, no. 1, p. 20, 2024, doi: 10.30865/resolusi.v5i1.2149.

A. Fadlil, “Performa Random Forest dan XGBoost pada Deteksi Penipuan E-Commerce Menggunakan Augmentasi Data CGAN,” Technology and Science (BITS), vol. 6, no. 3, 2024, doi: 10.47065/bits.v6i3.6430.

K. Nila Juliana, E. Riyanto, and P. Keuangan Negara STAN, “BAGAIMANA PENGARUH LOKASI RUMAH SUDUT TERHADAP NILAI PROPERTI?”

M. Siahaan, “ANALYSIS OF RICE YIELD PREDICTION WITH MLPREGRESSOR AND LONG SHORT-TERM MEMORY MODELS ANALISIS PREDIKSI HASIL PADI DENGAN MODEL MLPREGRESSOR DAN LONG SHORT-TERM MEMORY,” vol. 10, no. 1, p. 2025.

D. Indriani, B. Irawan, and A. Bahtiar, “PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN PERSEDIAAN STOK BARANG,” 2024.

F. Alghifari and D. Juardi, “Fauzan Alghifari Penerapan Data Mining Pada Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes.”

A. Hasan Mubarok, D. Setiawan, D. Firdaus Wicaksono, and E. Rimawati, “Parameter Testing on Random Forest Algorithm for Stunting Prediction,” Jurnal dan Penelitian Teknik Informatika, vol. 9, no. 1, 2025, doi: 10.33395/sinkron.v9i1.14264.

N. Rahmadani, S. Handayani, and I. Hadi, “Penerapan Algoritma Random Forest untuk Memprediksi Curah Hujan pada Masa Mendatang di Daerah Berpotensi Banjir,” Technology and Science (BITS), vol. 6, no. 2, 2024, doi: 10.47065/bits.v6i2.5593.

M. Ibnu, U. Rosyidi, and N. Rochmawati, “Teknik Bagging Pada Algoritma Klasifikasi Decision Tree dan SVM Untuk Klasifikasi SMS Berbahasa Indonesia,” Journal of Informatics and Computer Science, vol. 05, 2023.