Abstract :
Seiring dengan perkembangan zaman produksi pada kendaraan
bermotor khususnya mobil dewasa ini mengalami peningkatan yang sangat
signifikan, perusahaan saling berlomba-lomba dalam mengeluarkan seri
terbarunya. Hal ini berdampak pada melimpahnya mobil seken atau bekas
pakai di pasaran, perusahaan retail di tuntut selektif dalam menentukan harga
jual dan harga beli dari mobil yang akan di beli serta yang akan diperjual
belikan kembali, dengan memanfaatkan teknologi khususnya Data Mining
diharapkan dapat membantu proses seleksi mobil yang akan di beli dengan
cepat serta akurat. Prediksi harga mobil bekas dipengaruhi beberapa faktor
antara lain jenis mobil, bahan bakar, jarak tempuh, tahun produksi, serta
transmisi. Dengan adanya permasalahan tersebut, penulis mencoba
memkomparasi algoritma K- Nearest Neighbors dan Random Forest sebagai
dasar pembuatan model machine learning yang dapat memprediksi harga
mobil bekas yang sesuai dengan spesifikasi yang ada. Hasil pada penelitian ini
menunjukkan Algoritma Random Forest mendapat nilai error yang lebih kecil
serta akurasi yang lebih baik dibandingkan K-Nearest Neighbors, Random
Forest mendapat akurasi 96.38 % dan K-Nearest Neighbors 59.17 %, nilai error
yang diperoleh dihitung menggunakan metrik evaluasi MSE(Mean Squared
Error) dengan menghitung selisih rata-rata nilai sebenarnya dengan nilai
prediksi.
Kata Kunci : Data Mining, Komparasi, Prediksi, Machine Learning