PERBANDINGAN METODE RANDOM FOREST DAN XGBOOST DALAM PREDIKSIHARGA JUAL RUMAH DI WILAYAH JABODETABEK

Abstract

          Wilayah Jabodetabek, yang mencakup Jakarta, Bogor, Depok, Tangerang, dan Bekasi, merupakan kawasan metropolitan terbesar di Indonesia dengan pertumbuhan populasi dan infrastruktur yang pesat, menyebabkan permintaan akan properti, khususnya rumah, terus meningkat. Penelitian ini membandingkan dua algoritma yang berbasis ensemble learning, Random Forest dan XGBoost, untuk memprediksi harga jual rumah di wilayah Jabodetabek. Tujuan penelitian adalah membandingkan hasil prediksi berdasarkan nilai error antara kedua metode tersebut. Dataset yang digunakan berasal dari situs Kaggle yang berfokus pada data penjualan rumah di wilayah Jabodetabek. Variabel yang digunakan dalam penelitian ini adalah variabel yang memiliki korelasi pearson lebih dari sama dengan 0.5 terhadap variabel target atau harga rumah dari semua variabel yang ada. Kinerja kedua model dievaluasi berdasarkan error metrics RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa Random Forest menghasilkan prediksi harga jual rumah yang lebih baik dengan nilai RMSE 0.33, MAE 0.20, dan MAPE 0.91%. Sementara itu, XGBoost, setelah tuning parameter, menunjukkan penurunan nilai error dengan RMSE 0.30, MAE 0.18, dan MAPE 0.84%. Random Forest lebih mudah diterapkan tanpa perlu tuning parameter yang kompleks, sementara XGBoost membutuhkan perhatian lebih pada tuning parameter untuk mengoptimalkan performa terbaiknya.