PERBANDINGAN ALGORITMA RANDOM FOREST REGGRESSOR DAN SUPPORT VECTOR MACHINE DALAM PREDIKSI HARGA RUMAH DI KALIMANTAN BARAT

Abstract

Pertumbuhan industri otomotif di Indonesia turut mendorong tingginya permintaan terhadap mobil bekas sebagai alternatif yang lebih ekonomis dibandingkan mobil baru. Namun, penentuan harga mobil bekas sering kali menjadi tantangan bagi showroom maupun calon pembeli karena melibatkan banyak faktor dan bersifat subjektif. Penelitian ini bertujuan untuk membangun model prediksi harga mobil bekas menggunakan algoritma Support Vector Regression (SVR) dengan pendekatan Radial Basis Function (RBF) kernel. Data sebanyak 1.000 entri diperoleh melalui teknik web scraping dari situs cintamobil.com. Metodologi penelitian mengacu pada kerangka kerja CRISP-DM, dimulai dari pemahaman bisnis hingga deployment model melalui aplikasi web menggunakan Streamlit. Proses preprocessing melibatkan penanganan missing value, outlier, duplikasi data, serta transformasi fitur numerik dan kategorikal. Model SVR dievaluasi menggunakan metrik RMSE, MAPE, dan MAE untuk menilai akurasi prediksi. Hasil penelitian menunjukkan bahwa SVR mampu memberikan prediksi harga yang cukup akurat, dengan parameter C=1, gamma=0.1, dan epsilon=0.1 yang menghasilkan performa terbaik, yaitu nilai MAE sebesar Rp 6.472.572, RMSE sebesar Rp 8.958.555, dan MAPE sebesar 3,41%. Mengacu pada kategori tingkat akurasi prediksi berdasarkan nilai MAPE, di mana nilai MAPE ? 10% dikategorikan sebagai akurasi tinggi, maka model ini dapat disimpulkan memiliki akurasi prediksi yang tinggi. Hal ini menunjukkan bahwa model SVR yang digunakan mampu memperkirakan harga mobil bekas dengan tingkat kesalahan yang rendah dan ketepatan yang baik.