ESTIMASI HARGA PROPERTI RUMAH MENGGUNAKAN ALGORITMA MULTIPLE LINEAR REGRESSION DAN RANDOM FOREST REGRESSOR DENGAN TEKNIK WEB SCRAPING PADA WEBSITE PENJUALAN RUMAH DI YOGYAKARTA

Rahmat Sobirin, Kusrini Kusrini, Ferry Wahyu Wibowo

Abstract


Penelitian ini mengeksplorasi estimasi harga properti rumah di Yogyakarta dengan menggunakan algoritma Multiple Linear Regression (MLR) dan Random Forest Regressor (RFR), didukung oleh teknik web scraping untuk pengumpulan data. Teknik web scraping digunakan untuk mengumpulkan data harga rumah dari situs penjualan online, mencakup informasi seperti lokasi, luas bangunan, dan fitur-fitur lainnya. Data yang terkumpul diproses dan dianalisis dengan Algoritma MLR dan RFR untuk menghasilkan model estimasi harga yang akurat. Hasil analisis menunjukkan bahwa kedua algoritma efektif dalam memprediksi harga rumah, dengan Random Forest Regressor memberikan hasil yang sedikit lebih baik dengan nilai R-Square sebesar 0.943 atau 94,3%  dibandingkan Multiple Linear Regression dengan nilai R-Square sebesar 0.90 atau 90%. Penelitian ini menyoroti potensi kombinasi teknik web scraping dan machine learning dalam meningkatkan keakuratan estimasi harga properti serta memberikan wawasan berharga bagi pengembangan model prediksi harga di pasar real estat lokal.


Keywords


Multiple Linear Regression; Random Forest Regressor; Web Scraping; Estimasi Harga; Properti Rumah.

Full Text:

PDF

References


Saiful, A., Andryana, S., & Gunaryati, A. (2021). Prediksi harga rumah menggunakan web scrapping dan machine learning dengan algo-ritma linear regression. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 8(1), 41-50.

Suudiah, Vina Apriliani.. (2023). Analisis Faktor-Faktor Yang Mempengaruhi Harga Rumah Di Kota Batam. Tractare: Jurnal Ekonomi-Manajemen, 5(2), 119-138.

Ridho, Ihda Innar, Galih Mahalisa, Dwi Retno Sari, and Ihsanul Fikri. (2022). Metode Neural Network Untuk Penentuan Akurasi Prediksi Harga Rumah. Technologia: Jurnal Ilmiah, 13(1), 56-58.

Arlintang, Nadifa Oksa, Lucia Rita Indrawati, and Yustirania Septiani.. (2020). Analisis Pengaruh Investasi, Belanja Modal, dan Infra-struktur Ekonomi Terhadap Pertumbuhan Ekonomi di Daerah Istimewa Yogyakarta Tahun 2008-2018. DINAMIC: Directory Journal of Economic, 2(2), 573-586.

Lawson, R. (2015). Web Scraping With Python: Scrape Data from Any Website With the Power of Phython, Packt Publishing Ltd, Bir-mingham UK

Yuantari, C., & Handayani, S. (2017). Textbook of Descriptive & Inferential Statistics.

Haryanto, Cep, Nining Rahaningsih, and Fadhil Muhammad Basysyar (2023). Komparasi Algoritma Machine Learning Dalam Mempred-iksi Harga Rumah. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 533-539.

Özalp, A. Y., & Akıncı, H. (2024). Comparison of tree-based machine learning algorithms in price prediction of residential real estate. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, 14(1), 116-130.

Abdul-Rahman, S., Zulkifley, N. H., Ismail, I., & Mutalib, S. (2021). Advanced machine learning algorithms for house price prediction: Case study in Kuala Lumpur. International Journal of Advanced Computer Science and Applications, 12(12).

Ho, Winky KO, Bo-Sin Tang, and Siu Wai Wong. (2021). Predicting property prices with machine learning algorithms. Journal of Property Research, 38(1), 48-70.

Sirisuriya, De S. (2015). A comparative study on web scraping.

Hafiz, Y. A., and Endah Sudarmilah. (2023). Implementasi Web Scraping Pada Portal Berita Online. Inisiasi, 55-60.

Tandra, Dave Julianno, Agustinus Noertjahyana, and Anita Nathania Purbowo. (2020). Implementasi Web Scraping untuk Pengumpulan Informasi Promo Makanan Menggunakan Klasifikasi Naïve Bayes. Jurnal Infra, 8(1), 289-294.

Sobirin, Rahmat, Dimas Prayoga, Muhammad Abdul Basit, and Kusrini Kusrini.. (2023, November). Forecasting the effect of parameters on AQI values with Machine learning: Multiple Linear Regression. In 2023 6th International Conference on Information and Communica-tions Technology (ICOIACT) (pp. 159-164). IEEE.

García, Salvador, Sergio Ramírez-Gallego, Julián Luengo, José Manuel Benítez, and Francisco Herrera. (2016). Big data preprocessing: methods and prospects. Big data analytics, 1, 1-22.

Puteri, K., & Silvanie, A. (2020). Machine learning untuk model prediksi harga sembako dengan metode regresi linear berganda. Jurnal Nasional Informatika (JUNIF), 1(2), 82-94.

Ayuni, Ghebyla Najla, and Devi Fitrianah. (2019). Penerapan metode Regresi Linear untuk prediksi penjualan properti pada PT XYZ. Jurnal telematika, 14(2), 79-86.

Purwa, Taly. (2019). Perbandingan Metode Regresi Logistik dan Random Forest untuk Klasifikasi Data Imbalanced (Studi Kasus: Klasifi-kasi Rumah Tangga Miskin di Kabupaten Karangasem, Bali Tahun 2017). Jurnal Matematika, Statistika dan Komputasi, 16(1), 58-73.

Ali, J., Khan, R., Ahmad, N., & Maqsood, I. (2012). Random forests and decision trees. International Journal of Computer Science Issues (IJCSI), 9(5), 272.

Han, Sunwoo, and Hyunjoong Kim. (2021). Optimal feature set size in random forest regression. Applied Sciences, 11(8), 3428.




DOI: https://doi.org/10.29100/jipi.v10i4.6463

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
ISSN 2540-8984
Published by
Prodi Pendidikan Teknologi Informasi
Universitas Bhinneka PGRI

Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.