PREDIKSI HARGA RUMAH DI WILAYAH KOTA BEKASI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN)

HERMAWAN, RAYHANZ AUDWIANZA (2025) PREDIKSI HARGA RUMAH DI WILAYAH KOTA BEKASI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN). S1 thesis, UNIVERISTAS MERCU BUANA - BUNCIT.

Preview	Text (COVER) 41520010128 - Rayhanz Audwianza Hermawan - 01 Cover.pdf Download (517kB) | Preview
	Text (BAB 1) 41520010128 - Rayhanz Audwianza Hermawan - 02 BAB 1.pdf Restricted to Registered users only Download (205kB)
	Text (BAB 2) 41520010128 - Rayhanz Audwianza Hermawan - 03 BAB 2.pdf Restricted to Registered users only Download (142kB)
	Text (BAB 3) 41520010128 - Rayhanz Audwianza Hermawan - 04 BAB 3.pdf Restricted to Registered users only Download (210kB)
	Text (BAB 4) 41520010128 - Rayhanz Audwianza Hermawan - 05 BAB 4.pdf Restricted to Registered users only Download (404kB)
	Text (BAB 5) 41520010128 - Rayhanz Audwianza Hermawan - 06 BAB 5.pdf Restricted to Registered users only Download (109kB)
	Text (DAFTAR PUSTAKA) 41520010128 - Rayhanz Audwianza Hermawan - 07 Daftar Pustaka.pdf Restricted to Registered users only Download (187kB)
	Text (LAMPIRAN) 41520010128 - Rayhanz Audwianza Hermawan - 08 Lampiran.pdf Restricted to Registered users only Download (1MB)

Abstract

Peningkatan jumlah penduduk di daerah perkotaan berimplikasi pada tingginya permintaan akan akomodasi, yang pada gilirannya menyebabkan lonjakan harga rumah secara signifikan. Penelitian ini bertujuan untuk meramalkan harga rumah di Kota Bekasi dengan memanfaatkan algoritma K-Nearest Neighbors (KNN). Proses penelitian meliputi pengumpulan data harga rumah, pembersihan dan persiapan data untuk membentuk dataset yang siap analisis, pemilihan fitur-fitur yang relevan, pembagian dataset menjadi dua bagian, yaitu subset pelatihan dan pengujian, normalisasi data, pelatihan model KNN dengan nilai k=16, serta evaluasi kinerja model menggunakan metrik regresi seperti Mean Squared Error (MSE), Mean Absolute Error (MAE), dan R^2 (akurasi). Temuan dari penelitian ini menunjukkan bahwa model regresi KNN dengan k=16 dapat mencapai akurasi sebesar 80,31%, dengan nilai MSE sebesar 2.663222594288793e+17 dan nilai MAE sebesar 355.293.103,45. Model ini menunjukkan performa yang cukup baik dalam memprediksi harga rumah dan dapat dijadikan metode yang efektif untuk penelitian sejenis. Dengan demikian, penelitian ini memberikan pemahaman mengenai harga rumah di Kota Bekasi serta potensi penerapan algoritma KNN dalam prediksi harga rumah di masa mendatang.

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41520010128
Uncontrolled Keywords:	K-Nearest Neighbors (KNN), harga rumah, prediksi, Mean Squared Error (MSE), Mean Absolute Error (MAE), akurasi, Kota Bekasi
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 600 Technology/Teknologi > 640 Home Economic and Family Living Management/Kesejahteraan Rumah Tangga dan Manajemen Kehidupan Keluarga > 643 Housing and Household Equipment/Perumahan dan Peralatan Rumah Tangga > 643.1 Housing/Rumah dan Perumahan
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	Rifky
Date Deposited:	12 Feb 2025 02:03
Last Modified:	12 Feb 2025 02:03
URI:	http://repository.mercubuana.ac.id/id/eprint/94116

Actions (login required)

View Item