Description

Di zaman sekarang ini, sulit untuk memprediksi harga rumah. Ada banyak variabel yang mempengaruhi harganya. Masyarakat kesulitan mengetahui harga rumah ketika setiap rumah memiliki kondisi yang berbeda-beda. Umumnya orang ingin membeli rumah yang sesuai dengan harganya. Tapi mereka tidak tahu seberapa besar kondisi rumah tertentu mempengaruhi harganya. Bagi para penjual, mereka tidak ingin menjual rumahnya dengan harga di bawah rata-rata. Jadi, mereka harus bisa memprediksi harga rumah secara akurat agar bisa mendapatkan atau memberikan harga terbaik.Untuk mengatasi masalah ini kita dapat menggunakan Python untuk menganalisis data yang tersedia. Data ini dapat digunakan untuk memprediksi harga rumah dengan mempertimbangkan variabel atau faktor tertentu. Analisis regresi adalah seperangkat metode statistik yang digunakan untuk memperkirakan hubungan antara variabel dependen dan variabel independen. Ini dapat digunakan untuk menghitung kekuatan hubungan antara variabel dan untuk pemodelan hubungan masa depan antara mereka. Ada tiga syarat untuk melakukan analisis regresi Hubungan antar variabel bersifat linier Kedua variabel harus setidaknya skala interval Kriteria kuadrat terkecil digunakan untuk menentukan persamaan.

Memprediksi harga tanah di daerah Tebet, Jakarta Selatan menggunakan variabel luas bangunan, banyaknya kamar tidur, banyaknya kamar mandi, hingga ketersediaan tempat parkir mobil. Maka, untuk membuat model prediksi harga rumah menggunakan metode machine learning dan adapun algoritmanya adalah linear regression adalah tujuan dari penelitian ini. Adapun manfaat penelitiannya adalah untuk mempelajari dan mengetahui tentang penerapan machine learning menggunakan algoritma Linear Regression yang digunakan untuk memprediksi harga rumah. Project ini dimulai dengan proses pengambilan data (Data Collection), Data yang digunakan pada portofolio ini adalah data House price prediction (History harga rumah di daerah jakarta selatan) yang di dapat dari tautan :
https://www.kaggle.com/datasets/wisnuanggara/daftar-harga-rumah.

Data yang penulis gunakan adalah review prediksi harga rumah yang didapatkan melalui platform www.kaggle.com. 

Data ini berisi :

1. Preprocessing
2. Exploratory Data Analysis (EDA)
3. Univariate Analysis
4. Bivariate Analysis
5. Modelling
6. Hasil Prediksi

Kesimpulan
Faktor dari suatu harga rumah yaitu berupa faktor luas tanah, luas bangunan, jumlah kamar tidur ataupun kamar mandi, dan garasi. Untuk mencari prediksi harga ini, maka perlu suatu metode yang mendukung hal tersebut, dan itu bisa didapat dari metode Linear Regression. Prediksi bisa didapat dari berbagai macam faktor pada variable. Faktor tersebut haruslah dipilih sesuai kriteria agar akurat dalam melakukan prediksi. Dalam uji sample data menggunakan 1010 baris data dan 7 kolom yang berisikan data harga rumah yang ada di Jakarta Selatan. Setelah data di bersihkan, kemudian data dipisah menjadi data training dan data testing, lalu dari data tersebut dicari akurasi Model Linear Regression, yang menghasilkan akurasi 72%, cukup baik untuk memprediksikan harga rumah sesuai spesifikasi yang diperlukan.