Prediksi Harga Mobil Toyota Bekas Menggunakan Algoritma Regresi Linear Berganda
DOI:
https://doi.org/10.29407/inotek.v8i1.4924Abstract
Kurangnya informasi tentang harga mobil bekas dapat menjadi hambatan bagi masyarakat dalam melakukan transaksi jual beli kendaraan karena mereka mungkin tidak memahami harga pasar yang sesuai. Oleh karena itu, penting untuk memiliki informasi yang akurat dan dapat diandalkan untuk mengetahui perkiraan harga yang dapat digunakan sebagai referensi. Dalam rangka mengatasi ini, penggunaan algoritma regresi linear berganda dapat membantu dalam memprediksi harga mobil bekas. Dalam penelitian ini, algoritma regresi linear berganda digunakan untuk memprediksi harga mobil bekas. Data yang digunakan untuk membangun model prediksi berasal dari repositori Kaggle. Proses pengujian model dilakukan dengan membagi data menjadi data pelatihan (90%) dan data pengujian (10%). Setelah proses pelatihan, model prediksi didapatkan dengan nilai rata-rata harga sebesar 1512.262. Evaluasi dilakukan terhadap model tersebut dengan mengukur Root Mean Square Error (RMSE) dan Kesalahan Relatif (Relative Error). Hasil evaluasi menunjukkan bahwa nilai RMSE untuk kategori harga adalah 1512.262 dan kesalahan relatif sebesar 9.13%.
Keywords:
prediksi, harga, dataset, regresi linear berganda, model regresi##plugins.themes.default.displayStats.downloads##
References
M. Z. Sasongko, S. Sucipto, and E. Daniati, “Perencanaan Sistem Manajemen Evaluasi Belajar Mahasiswa Berbasis Elearning Dengan Pendekatan Berorientasi Objek,” Respati, vol. 13, no. 2, pp. 10–19, 2018, doi: 10.35842/jtir.v13i2.228.
A. C. Pradikdo and A. Ristyawan, “Model Klasifikasi Abstrak Skripsi Menggunakan Text Mining Untuk Pengkategorian Skripsi Sesuai Bidang Kajian,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 9, no. 2, pp. 1091–1098, 2018, doi: 10.24176/simet.v9i2.2513.
A. Forecasting Penjualan Dan Persediaan Produk Usaha Mikro, K. Dan Menengah, R. Jumardi, S. Handani Widiastuti, and S. Tinggi Teknologi Bontang, “Article Info ABSTRAK.”
H. Jaya, R. Gunawan, and R. Kustini, “Penerapan Data Mining Untuk Memprediksi Target Produksi Berdasarkan Tingkat Penjualan Dan Banyaknya Pemesanan Produk Pada Pt. Neo National Menggunakan Metode Regresi Linier Berganda,” vol. 18, no. SAINTIKOM, pp. 219–227, 2019.
D. S. Purnia, H. Muhajir, M. F. Adiwisastra, and D. Supriadi, “Pengukuran Kesenjangan Digital Menggunakan Metode Deskriptif Berbasis Website,” Jurnal Sains dan Manajemen, vol. 8, no. 2, 2020.
R. Nofitri and N. Irawati, “Analisis Data Hasil Keuntungan Menggunakan Software Rapidminer,” JURTEKSI (Jurnal Teknologi dan Sistem Informasi), vol. 5, no. 2, pp. 199–204, Jul. 2019, doi: 10.33330/jurteksi.v5i2.365.
D. Setiawan, N. Surojudin, and W. Hadikristanto, “Tahun 2022 Call for papers dan Seminar Nasional Sains dan Teknologi Ke-1 2022 Fakultas Teknik, Universitas Pelita Bangsa,” vol. 1, no. 1, 2022.
K. Tingkat et al., “Techno Xplore Jurnal Ilmu Komputer dan Teknologi Informasi.”
R. Saepul Rohman, R. Amegia Saputra, and D. Arif Firmansaha, “Komparasi Algoritma C4.5 Berbasis Pso Dan Ga Untuk Diagnosa Penyakit Stroke,” 2020. [Online]. Available: https://www.kaggle.com/asaumya/healthcare-dataset-
A. Supriyadi Sunge and A. Turmudi Zy, “Analisis Prediksi Penjualan Dengan Metode Regresi Linear Di Pt. Eagle Industry Indonesia,” 2023.
S. E. Wati, D. Sebayang, and R. Sitepu, “Perbandingan Metode Fuzzzy Dengan Regresi LInier Berganda Dalam Peramlan Jumlah Produksi,” Saintia Matematika, vol. 1, no. 3, pp. 273–284, 2013.
A. Sajad and N. Nurmalitasari, “Analisis Faktor–Faktor Yang Mempengaruhi Harga Mobil Bekas Menggunakan Metode Regresi Linier,” Prosiding Seminar Nasional Teknologi Informasi dan Bisnis, pp. 266–270, 2023.
A. Muhamad Andika, N. Suarna, and R. D. Dana, “Analisa Dataset Asosiasi Penjualan Menggunakan Metode FP-Growth,” Jurnal Teknologi Ilmu Komputer, vol. 2, no. 1, pp. 80–88, 2023, doi: 10.56854/jtik.v2i1.108.
F. H. Hamdanah and D. Fitrianah, “Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah,” Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), vol. 10, no. 1, p. 23, Apr. 2021, doi: 10.23887/janapati.v10i1.31035.
Y. A. Ramadhan, A. Faqih, and G. Dwilestari, “Jurnal Informatika Terpadu Prediksi Penjualan Handphone Di Toko X Menggunakan Algoritma Regresi Linear,” Jurnal Informatika Terpadu, vol. 9, no. 1, pp. 40–44, 2023, [Online]. Available: https://journal.nurulfikri.ac.id/index.php/JIT
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Achmad Syauqi Bachti, Andri Tri Agustama, Hadi Wiranata, Erna Daniati, Aidina Ristyawan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
