Analisis Akurasi Algoritma Random Forest Regression dalam Memprediksi Harga Mobil Bekas

Abstract

Kemajuan dalam teknologi Machine Learning telah memberikan dampak yang besar di banyak sektor, terutama dalam membantu proses penentuan harga kendaraan bekas. Proses menetapkan harga jual kendaraan bekas sering kali menghadapi kesulitan karena dipengaruhi oleh berbagai faktor kendaraan, seperti merek, jenis, tahun pembuatan, jarak tempuh, tipe bahan bakar, jenis transmisi, dan detail mesin. Penelitian ini bertujuan untuk menilai efektivitas algoritma Random Forest Regression dalam meramalkan harga kendaraan bekas berdasarkan atribut-atribut yang ada pada dataset. Langkah-langkah yang dilakukan dalam penelitian ini mencakup pengumpulan informasi, tahap preprocessing, pengubahan atribut kategorikal, pemisahan data menjadi set pelatihan dan pengujian, penciptaan fitur tambahan, penyesuaian hyperparameter, pembangunan model, dan penilaian performa dengan menggunakan metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Temuan dari penelitian ini menunjukkan bahwa model Random Forest Regression mampu memberikan estimasi harga kendaraan bekas dengan akurasi yang baik dan juga dapat mengungkap hubungan kompleks antara ciri-ciri kendaraan dan nilai jualnya. Oleh karena itu, model yang telah dikembangkan ini berpotensi digunakan sebagai alat bantu dalam pengambilan keputusan untuk menentukan harga kendaraan bekas dengan cara yang lebih objektif, konsisten, dan sesuai kondisi pasar.