Abstract
Estimasi harga rumah merupakan salah satu tantangan utama dalam bidang properti, terutama karena banyaknya faktor yang memengaruhi nilai suatu rumah, seperti lokasi, luas bangunan, jumlah kamar, dan fasilitas. Artikel ini membahas pendekatan machine learning menggunakan regresi linier untuk memprediksi harga rumah berdasarkan berbagai parameter tersebut. Regresi linier dipilih karena kesederhanaannya, interpretabilitasnya, dan kemampuannya untuk menangani hubungan linier antara variabel. Data yang digunakan berasal dari dataset publik, yang mencakup berbagai fitur terkait properti. Dalam penelitian ini, data dibagi menjadi set pelatihan dan pengujian untuk mengevaluasi performa model. Hasil evaluasi menunjukkan bahwa regresi linier mampu memberikan estimasi harga rumah yang cukup akurat, terutama dalam dataset dengan distribusi data yang merata. Selain itu, analisis dilakukan untuk mengidentifikasi fitur yang paling berpengaruh terhadap harga rumah, seperti lokasi dan ukuran properti. Studi ini menunjukkan bahwa regresi linier dapat menjadi solusi awal yang efektif untuk estimasi harga rumah, meskipun model yang lebih kompleks mungkin diperlukan untuk menangani data yang lebih besar dan variabel yang lebih dinamis. Kata kunci: machine learning, regresi linier, estimasi harga rumah, prediksi, properti.
Concepts :
Citations by Year
| Year | Count |
|---|---|
| 2025 | 1 |