Pengembangan sistem prediksi harga mobil bekas OLX menggunakan Algorithma Random Forest
Total View This Week0
Total View This Week0
Institusion
Universitas Ahmad Dahlan
Author
Priande, Ervier
Subject
T Technology (General)
Datestamp
2024-07-03 03:20:28
Abstract :
Mobil merupakan kendaraan beroda empat yang populer karena kenyamanannya dalam bepergian dan perlindungan dari cuaca ekstrem. Dalam pasar mobil bekas yang berkembang, prediksi harga mobil bekas secara manual kerap tidak akurat karena keterbatasan data, waktu, kesalahan manusia, dan ketidakmampuan beradaptasi dengan perubahan pasar. Penelitian ini bertujuan membantu pengusaha mobil bekas memprediksi harga dengan lebih akurat dan efisien menggunakan algoritma Random Forest Penelitian ini terdiri dari beberapa tahapan. Tahapan pertama yaitu mengumpulkan data produk kendaraan dari olx.com menggunakan webscrapping Python dilanjutkan dengan preprocessing, analisis deskriptif, label encoding, menentukan varibel independen dan dependen dan pembagian data set untuk pengujian. Selanjutnya dilakukan konfigurasi model untuk melakukan beberapa pengujian dengan paramater yang berbeda. Setelah model pengujian prediksi terbentuk dilakukan penyimpanan model ke dalam format pickle serta melakukan perbandingan harga prediksi dengan harga sebenarnya. Hasil analisis menunjukkan bahwa merek mobil Toyota mendominasi dengan jumlah 580 unit, diikuti oleh Honda (348) dan Suzuki (153). Sebagian besar mobil menggunakan bahan bakar bensin (1684) daripada solar (167). Transmisi otomatis lebih umum (1462) dibandingkan dengan transmisi manual (389). Hasil prediksi harga mobil bekas menggunakan Algoritma Random forest menghasilkan tingkat akurasi sebesar 94,79% dan Mean Absolute Precentage Eror (MAPE) sekitar 5.21% dan Mean Absolute Error (MAE) 9729279.74 dengan penggunaan 250 pohon(n_estimator), dengan perbedaan rata-rata antara harga aktual dan prediksi sekitar 0,10%.
Mobil merupakan kendaraan beroda empat yang populer karena kenyamanannya dalam bepergian dan perlindungan dari cuaca ekstrem. Dalam pasar mobil bekas yang berkembang, prediksi harga mobil bekas secara manual kerap tidak akurat karena keterbatasan data, waktu, kesalahan manusia, dan ketidakmampuan beradaptasi dengan perubahan pasar. Penelitian ini bertujuan membantu pengusaha mobil bekas memprediksi harga dengan lebih akurat dan efisien menggunakan algoritma Random Forest Penelitian ini terdiri dari beberapa tahapan. Tahapan pertama yaitu mengumpulkan data produk kendaraan dari olx.com menggunakan webscrapping Python dilanjutkan dengan preprocessing, analisis deskriptif, label encoding, menentukan varibel independen dan dependen dan pembagian data set untuk pengujian. Selanjutnya dilakukan konfigurasi model untuk melakukan beberapa pengujian dengan paramater yang berbeda. Setelah model pengujian prediksi terbentuk dilakukan penyimpanan model ke dalam format pickle serta melakukan perbandingan harga prediksi dengan harga sebenarnya. Hasil analisis menunjukkan bahwa merek mobil Toyota mendominasi dengan jumlah 580 unit, diikuti oleh Honda (348) dan Suzuki (153). Sebagian besar mobil menggunakan bahan bakar bensin (1684) daripada solar (167). Transmisi otomatis lebih umum (1462) dibandingkan dengan transmisi manual (389). Hasil prediksi harga mobil bekas menggunakan Algoritma Random forest menghasilkan tingkat akurasi sebesar 94,79% dan Mean Absolute Precentage Eror (MAPE) sekitar 5.21% dan Mean Absolute Error (MAE) 9729279.74 dengan penggunaan 250 pohon(n_estimator), dengan perbedaan rata-rata antara harga aktual dan prediksi sekitar 0,10%.
File :
T1_1800018009_JUDUL__240628090430.pdf
T1_1800018009_BAB_I__240628090430.pdf
T1_1800018009_BAB_II__240628090430.pdf
T1_1800018009_BAB_III__240628090430.pdf
T1_1800018009_BAB_IV__240628090430.pdf
T1_1800018009_BAB_V__240628090430.pdf
T1_1800018009_DAFTAR_PUSTAKA__240628090430.pdf
T1_1800018009_LAMPIRAN__240628090430.pdf
T1_1800018009_NASKAH_PUBLIKASI__240628090430.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
