PRAMUDYA, Riyan (2022) Prediksi Harga Rumah di Kabupaten Banyumas Menggunakan Machine Learning. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Download (150kB)
	PDF (Legalitas) LEGALITAS-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Restricted to Repository staff only Download (558kB)
	PDF (Abstrak) ABSTRAK-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Download (346kB)
	PDF (BabI) BAB I-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Restricted to Repository staff only until 3 January 2024. Download (358kB)
	PDF (BabII) BAB II-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Restricted to Registered users only until 3 January 2024. Download (1MB)
	PDF (BabIII) BAB III-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Restricted to Repository staff only until 3 January 2024. Download (351kB)
	PDF (BabIV) BAB IV-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Restricted to Repository staff only Download (2MB)
	PDF (BabV) BAB V-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Download (311kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Download (326kB)
	PDF (Lampiran) LAMPIRAN-Riyan Pramudya-H1D018036-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)

Abstract

Indonesia memiliki jumlah penduduk sebanyak 276,3 juta dan diprediksi akan terus meningkat hingga tahun 2035. Seiring dengan pertumbuhan penduduk permintaan rumah juga akan meningkat. Beberapa faktor seperti luas tanah, jumlah kamar mandi, tipe rumah, lokasi, dan jumlah kamar tidur memiliki efek signifikan terhadap harga rumah. Berdasarkan survey yang telah dibagikan, 81,3% dari 16 responden mengalami kesulitan dalam menentukan harga rumah, dan 100% responden mengatakan bahwa diperlukan sebuah sistem untuk memprediksi harga rumah. Oleh karena itu, dibuat sistem prediksi harga rumah di Kabupaten Banyumas berbasis website menggunakan machine learning untuk mengatasi kesulitan dalam menentukan harga rumah. Metode pengembangan yang digunakan dalam penelitian ini yaitu machine leaning workflow. Sistem ini dirancang dengan kerangka kerja bahasa pemrograman Python menggunakan library Beautiful Soup untuk mengumpulkan data, library pandas dan numpy untuk mengolah data, dan library Scikit-Learn untuk membuat model machine learning. Penelitian ini menghasilkan sistem prediksi harga rumah di Kabupaten Banyumas yang memiliki beberapa fitur. Fitur pertama yaitu menghitung prediksi harga rumah berdasarkan parameter luas tanah, luas bangunan, jumlah kamar mandi, dan jumlah kamar tidur. Fitur kedua yaitu melihat data yang digunakan oleh model machine learning secara detail. Nilai koefisien determinasi model adalah 0,6465 dengan rata-rata kesalahan mutlak model terhadap data uji sebesar Rp 198409394,41.

Actions (login required)

View Item