Perbandingan Metode K-Nearest Neighbor (KNN) dan Random Forest dalam Memprediksi Harga Rumah

Muthi'ah Hayya'; Fida Maisa Hana; Agung Prihandono

doi:10.30595/sainteks.v22i1.25998

Authors

Muthi'ah Hayya' Universitas Muhammadiyah Kudus, Indonesia
Fida Maisa Hana Universitas Muhammadiyah Kudus, Indonesia
Agung Prihandono Universitas Muhammadiyah Kudus, Indonesia

DOI:

https://doi.org/10.30595/sainteks.v22i1.25998

Keywords:

prediksi, Machine Learning, K-Nearest Neighbor, Random Forest, perbandingan

Abstract

Semakin meningkatnya populasi, Rumah menjadi kebutuhan primer bagi manusia. Prediksi harga rumah menjadi aspek penting dalam industri properti, karena harga rumah terus mengalami perubahan yang dipengaruhi oleh berbagai faktor. Diantara faktor-faktor tersebut adalah seperti lokasi, luas tanah, luas bangunan, serta jumlah kamar. Dalam pengaruh faktor tersebut, masyarakat memerlukan sistem prediksi harga rumah sesuai dengan kebutuhan. Adapun tujuan dari penelitian ini adalah melakukan analisis perbandingan dari hasil prediksi harga rumah dengan algoritma Machine Learning yaitu K-Nearest Neighbor (KNN) dan Random Forest. Pengujian dilakukan dengan menentukan nilai k pada metode KNN dan n-estimators (nilai pohon) pada metode Random Forest. Evaluasi dilihat dari nilai Mean Absolute Error (MAE), Mean Squared Error (MSE), dan R-Squared score ( ) terkecil dari setiap pengujian metode. Hasil dari penelitian ini Random Forest memiliki hasil akurasi terbaik dengan nilai MAE 54,80, MSE 7004,70, dan 0,55 sedangkan KNN memiliki nilai MAE 87,64 , MSE 13314,95 dan 0,14. Hasil tersebut didapat dari pengujian dataset 2020 baris dan 9 kolom fitur. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem prediksi harga rumah di masa depan.

References

Ariyani, V. et al. (2022) ‘Perbandingan Kinerja Algoritme Naïve Bayes Dan K-Nearest Neighbor (Knn) Untuk Prediksi Harga Rumah’, Jurnal Ilmiah Teknik Elektro, 24(2), pp. 162–171. Available at: https://ejournal.undip.ac.id/index.php/transmisi.

Budianita, A. et al. (2024) ‘Komparasi Algoritma K-Nearest Neighbor dan Naive Bayes pada Klasifikasi Tingkat Kualitas Udara Kota Tangerang Selatan’, 6(1), pp. 320–327.

Cholil, S.R. et al. (2021) ‘Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa’, IJCIT (Indonesian Journal on Computer and Information Technology), 6(2), pp. 118–127. Available at: https://doi.org/10.31294/ijcit.v6i2.10438.

Dewi, L.A. (2023) ‘Klasifikasi Machine Learning Untuk Mendeteksi Penyakit Jantung Dengan Algoritma K-Nn, Decision Tree dan Random Forest’, Repository.Uinjkt.Ac.Id [Preprint]. Available at: https://repository.uinjkt.ac.id/dspace/handle/123456789/71124%0Ahttps://repository.uinjkt.ac.id/dspace/bitstream/123456789/71124/1/LIZKY ASKA DEWI-FST.pdf.

Fitri, E. (2023) ‘Analisis Perbandingan Metode Regresi Linier, Random Forest Regression dan Gradient Boosted Trees Regression Method untuk Prediksi Harga Rumah’, Journal of Applied Computer Science and Technology, 4(1), pp. 58–64. Available at: https://doi.org/10.52158/jacost.v4i1.491.

Ghani Muttaqin, A., Auliasari, K. and Santi Wahyuni, F. (2020) ‘Penerapan Metode K-Nearest Neighbor Untuk Prediksi Penjualan Berbasis Web Pada Pt.Wika Industri Energy’, JATI (Jurnal Mahasiswa Teknik Informatika), 4(2), pp. 1–6. Available at: https://doi.org/10.36040/jati.v4i2.2728.

Heaton, J. (2015) Artificial Intelligence for Humans, Volume 3: Neural Networks and Deep Learning. 1.0. Edited by T. Heaton. Chesterfield, USA: Heaton Research Inc.

Lestari, E.S. and Astuti, I. (2022) ‘Penerapan Random Forest Regression Untuk Memprediksi Harga Jual Rumah Dan Cosine Similarity Untuk Rekomendasi Rumah Pada Provinsi Jawa Barat’, Jurnal Ilmiah FIFO, 14(2), p. 131. Available at: https://doi.org/10.22441/fifo.2022.v14i2.003.

Linguamatics (2019) What is NLP Text Mining?, Linguamatics.

Mustafidah, H. and Suwarsito, S. (2015) Model Parameter Jaringan Syaraf Tiruan untuk Pemilihan Algoritma Pelatihan Jaringan Backpropagation yang Paling Optimal. Purwokerto, Central Java, Indonesia.

Mustafidah, H. and Suwarsito, S. (2016) ‘Testing Design of Neural Network Parameters in Optimization Training Algorithm’, in I. 2016 (ed.) International Conference of Result and Community Services, 6th August 2016. Purwokerto, Indonesia: UMP Press, p. THN. 139-146.

Rahayuningtyas, E.F., Rahayu, F.N. and Azhar, Y. (2021) ‘Prediksi Harga Rumah Menggunakan General Regression Neural Network’, Jurnal Informatika, 8(1), pp. 59–66. Available at: https://doi.org/10.31294/ji.v8i1.9036.

Saiful, A. (2021) ‘Prediksi Harga Rumah Menggunakan Web Scrapping dan Machine Learning Dengan Algoritma Linear Regression’, JATISI (Jurnal Teknik Informatika dan Sistem Informasi), (1), pp. 41–50. Available at: https://doi.org/10.35957/jatisi.v8i1.701.

Sofia, M.A., Mustafidah, H. and Suwarsito, S. (2015) ‘Basis Data Fuzzy Model Tahani untuk Menentukan Jenis Pakan Ikan Berdasarkan Harga dan Kandungan Gizi Bahan Baku Pakan’, JUITA (Jurnal Informatika), III(3), pp. 143–155. Available at: https://doi.org/http://dx.doi.org/10.30595/juita.v3i3.870.

Sudriyanto, S., Syahro, F. and Fitriani, N. (2023) ‘Perbandingan Performa Model Machine Learning Support Vector Machine, Neural Network, Dan K-Nearest Neighbors Dalam Prediksi Harga Saham’, Jurnal Advanced Research Informatika, 2(1), pp. 13–21. Available at: https://doi.org/10.24929/jars.v2i1.2983.

Suliztia, M.L. (2020) ‘Penerapan Analisis Random Forest Pada Prototype Sistem Prediksi Harga Kamera Bekas Menggunakan Flask’, Fakultas Matematika Dan Ilmu Pengetahuan Alam, pp. 1–107.

Surya Negara, E. et al. (2023) ‘Sulaiman et al, Komparasi Algoritma K-Nearest Neoghbors dan Random Forest …….. 337 Komparasi Algoritma K-Nearest Neighbors dan Random Forest Pada Prediksi Harga Mobil Bekas’, Jurnal JUPITER, 15(1), pp. 337–346. Available at: www.cardekho.com.