PERBANDINGAN KINERJA ALGORITMA MLR, RFR, DAN DTR DALAM PREDIKSI HARGA RUMAH DI BANDUNG

Abstract

Prediksi harga rumah merupakan permasalahan penting dalam industri properti, khususnya di wilayah urban seperti Kota Bandung yang mengalami pertumbuhan pesat. Penelitian sebelumnya oleh Siregar et al. (2023) telah mengembangkan model prediksi harga rumah menggunakan algoritma Multiple Linear Regression (MLR), namun pendekatan ini terbatas dalam menangkap hubungan non-linear yang kompleks antar fitur. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma regresi, yaitu Multiple Linear Regression (MLR), Decision Tree Regression (DTR), dan Random Forest Regression (RFR), dalam memprediksi harga rumah berdasarkan fitur jumlah kamar, luas bangunan, dan luas lahan. Dataset yang digunakan diperoleh dari situs Kaggle dengan total 1.459 entri setelah melalui proses pembersihan dan validasi. Teknik pengumpulan data dilakukan secara sekunder, sementara metode analisis menggunakan evaluasi metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Koefisien Determinasi (R²). Hasil penelitian menunjukkan bahwa RFR unggul dalam nilai MAE, sementara MLR menunjukkan performa lebih baik pada MSE dan R² setelah data dibersihkan. Penelitian ini menunjukkan bahwa pemilihan algoritma sangat dipengaruhi oleh kualitas data dan karakteristik fitur yang digunakan.