IMPLEMENTASI METODE MULTIPLE LINEAR REGRESSION PADA MACHINE LEARNING UNTUK PREDIKSI HARGA KOST DI KOTA MALANG

Ridwan Maulana Samhadi, Bambang Minto Basuki, Sugiono Sugiono

Sari


Pesatnya penduduk khsususnya di kota Malang, tidak sedikit kemungkinan pemilik lahan akan digunakan untuk membuka usaha penyedia tempat tinggal sementara(kost). Salah satu permasalahan yang dihadapi calon penyewa kost yaitu harga/biaya, bagaimana mengetahui biaya yang akan dikeluarkan untuk penyewa kost berdasarkan fasilitas yang diinginkan. Disini peneliti memanfaatkan teknologi kecerdasan buatan atau machine learning untuk memprediksi harga sewa kost di kota Malang, agar bisa menjadi acuan pertimbangan ekonomi untuk memilih kost yang tepat. Kost adalah sebuah jasa yang menawarkan sebuah kamar atau tempat untuk ditinggali dengan sejumlah pembayaran untuk setiap periode tertentu. Adapun tujuan penelitian ini adalah untuk mengetahui harga sewa kost dan faktor yang mempengaruhi, dan Mengetahui tingkat akurasi pada harga kost menggunakan metode multiple linear regression. Dalam penelitian ini menggunakan metode kuantitatif dengan metode analisis yaitu multiple linear regression. Pemrograman yang digunakan adalah Python sebagai machine learning dan Nuxtjs sebagai frontend serta dengan pengujian aplikasi dengan metode Black box testing. Hasil dari penelitian ini adalah sebuah sistem berbasis web app yang dapat menampilkan hasil prediksi terkait fasilitas yang diinginkan, yang dapat memberikan kemudahan dalam mengetahui kisaran harga sewa kost. Hasil pengujian pada sistem menunjukkan persentase keakuratan sebesar 79% dan hasil pengukuran MAPE sebesar 12%.

Teks Lengkap:

PDF

Referensi


Badan Pusat Statistik, “Badan Pusat Statistik.” pp. 335–58, 2017, doi: 10.1055/s-2008-1040325.

B. P. Statistik and K. Malang, “Badan pusat statistik kota malang.” 2018.

A. Izzah and R. Widyastuti, “Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression untuk Pencegahan Data Outlier,” Kinet. Game Technol. Inf. Syst. Comput. Network, Comput. Electron. Control, vol. 2, no. 3, pp. 141–150, 2017, doi: 10.22219/kinetik.v2i3.268.

C. Rozikin and A. Solichin, “Implementasi Algoritma Genetika dan Regresi Linier Berganda Untuk Prediksi Persediaan Bahan Makanan Pada Restoran Cepat Saji Implementation Of Genetic Algorithm and Multi-Linear Regression For Predicting Food Supplies At Fast Food Restaurants,” Semin. Nas. Multidisiplin Ilmu 2017, no. April, pp. 10–17, 2017.

N. K. Arkarina, A. W. Widodo, and M. T. Furqon, “Implementasi Regresi Linier Berganda Untuk Prediksi Jumlah Peminat Mata Kuliah Pilihan,” J. Pengemb. Teknol. Inf. Dan Ilmu Komun., vol. 3, no. 11, pp. 10462–10467, 2019.

H. J. Chandra, “Prediksi skor pertandingan sepak bola liga inggris menggunakan multiple linear regression,” 2018.

R. Andika, “PREDIKSI JUMLAH PRODUKSI di PT ASRINDO INDTY RAYA MENGGUNAKAN METODE MULTIPLE LINEAR REGRESSION . SEMARANG OKTOBER 2019 FINAL PROJECT PREDICTION OF THE NUMBER OF PRODUCTION IN PT ASRINDO INDTY RAYA USING MULTIPLE LINEAR REGRESSION METHOD . SEMARANG,” 2019.

J. a Yani and K. Banjarbaru, “Aplikasi Data Mining Menggunakan Multiple Linear Regression Untuk Pengenalan Pola Curah Hujan,” Kumpul. J. Ilmu Komput., vol. 02, no. 01, pp. 34–44, 2015.

M. Turland, Php|architect’s Guide to Web Scraping. 2010.

H. Bhasin, E. Khanna, and S. Sudha, “Black Box Testing based on Requirement Analysis and Design Specifications,” Int. J. Comput. Appl., vol. 87, no. 18, pp. 36–40, 2014, doi: 10.5120/15311-4024.


Refbacks

  • Saat ini tidak ada refbacks.