Penerapan Algoritma Linear Regression untuk Prediksi Harga Rumah Berdasarkan Faktor Lokasi dan Usia Bangunan
Keywords:
Data Mining, Linear Regression, Prediksi Harga RumahAbstract
Harga properti merupakan nilai yang fluktuatif dan dipengaruhi oleh banyak faktor kompleks, sehingga sulit untuk diprediksi secara manual dengan akurasi tinggi. Penelitian ini bertujuan untuk membangun model prediksi harga rumah per satuan luas menggunakan algoritma Linear Regression. Dataset yang digunakan adalah data Real Estate Valuation yang terdiri dari 414 data transaksi dengan variabel prediktor meliputi tanggal transaksi, usia bangunan, jarak ke stasiun MRT terdekat, jumlah convenience store, serta koordinat geografis (latitude dan longitude). Penelitian dilakukan menggunakan perangkat lunak RapidMiner Studio. Hasil analisis korelasi menunjukkan bahwa jarak ke stasiun MRT memiliki hubungan negatif yang paling kuat terhadap harga rumah. Model regresi linear yang dihasilkan mampu memprediksi harga dengan tingkat Root Mean Squared Error (RMSE) sebesar [Nilai RMSE 8.290 +/- 0.000]. Penelitian ini menyimpulkan bahwa faktor lokasi (aksesibilitas) memiliki pengaruh lebih signifikan dibandingkan usia bangunan dalam penentuan harga properti pada dataset ini.
References
Cetak, I., Online, I., Untuk, N., Jenis, I., & Dan, K. (2023). DECODE : Jurnal Pendidikan Teknologi Informasi. 3(1), 82–93.
Conference, S. (2019). The Journal of Computing Sciences in Colleges. 35(4).
Details, A. (2025). Cognitive Development in the Age of AI how AI Tools Influence Problem Solving and Creativity in Psychological Terms. 8(1), 237–249. https://doi.org/10.47067/ramss.v8i1.452
Han, J. (2007). Data Mining : Concepts and Techniques.
Itsnaini, N., Prabowo, A., & Amitarwati, D. P. (2025). Multiple Linear Regression Analysis of Factors Influencing Human Development Index By Regency / City in East Java Province in 2024. 6(3), 298–306.
Kamal, M. (2022). Business Ecosystem & Strategy Factors affecting online shopping behavior in Bangladesh : A demographic perspective. 4(3), 13–22.
Monika, P., Ruchjana, B. N., Abdullah, A. S., Budiarto, R., & Scholar, G. (2023). An Integrated Generalized Space Moving Average ( GSTARIMA ) and Kriging Method for Systematic Literature Review on An Integrated Generalized Space Time Autoregressive Integrated Moving Average ( GSTARIMA ) Model with Heteroscedastic Error and Kriging Method for Forecasting Climate. https://doi.org/10.20944/preprints202308.1651.v1
Naradiasari, N. S., & Wahyudi, D. (2022). Pengaruh Persepsi , Motivasi , Minat , dan Pengetahuan Perpajakan Terhadap Keputusan Mahasiswa Memilih Berkarir DiBidang Perpajakan. 6, 99–110.
Produksi, M., Di, P., & Bantul, K. (2019). Ervan Triyanto, 2) Heri Sismoro, 3) Arif Dwi Laksito. 4(2), 73–86.
Virginia, W. A., & Alimuddin, I. (2024). Pengaruh Pengetahuan , Sanksi , dan Tarif Terhadap Kepatuhan Wajib Pajak PBB-P2. 8, 661–672.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Muhamad Aris Purwanto, Hasbi Firmansyah, Wahyu Asriyani, Rizki Prasetyo Tulodo
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
