KOMPARASI ALGORITMA K-NEAREST NEIGHBORS DAN
RANDOM FOREST PADA PREDIKSI HARGA MOBIL BEKAS
Total View This Week0
Total View This Week0
Institusion
Universitas Bina Darma
Author
Sulaiman, Sulaiman
Subject
T Technology (General)
Datestamp
2023-07-03 04:03:07
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
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
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
