Pengembangan sistem prediksi harga mobil bekas OLX menggunakan Algorithma Random Forest

Priande, Ervier (2024) Pengembangan sistem prediksi harga mobil bekas OLX menggunakan Algorithma Random Forest. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1800018009_JUDUL__240628090430.pdf Download (2MB)
	Text (BAB I) T1_1800018009_BAB_I__240628090430.pdf Download (621kB)
	Text (BAB II) T1_1800018009_BAB_II__240628090430.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) T1_1800018009_BAB_III__240628090430.pdf Restricted to Registered users only Download (834kB) | Request a copy
	Text (BAB IV) T1_1800018009_BAB_IV__240628090430.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T1_1800018009_BAB_V__240628090430.pdf Restricted to Registered users only Download (677kB) | Request a copy
	Text (Daftar Pustaka) T1_1800018009_DAFTAR_PUSTAKA__240628090430.pdf Download (615kB)
	Text (Lampiran) T1_1800018009_LAMPIRAN__240628090430.pdf Restricted to Registered users only Download (774kB) | Request a copy
	Text (Naskah Publikasi) T1_1800018009_NASKAH_PUBLIKASI__240628090430.pdf Download (1MB)

Abstract

Mobil merupakan kendaraan beroda empat yang populer karena kenyamanannya dalam
bepergian dan perlindungan dari cuaca ekstrem. Dalam pasar mobil bekas yang berkembang,
prediksi harga mobil bekas secara manual kerap tidak akurat karena keterbatasan data, waktu,
kesalahan manusia, dan ketidakmampuan beradaptasi dengan perubahan pasar. Penelitian ini
bertujuan membantu pengusaha mobil bekas memprediksi harga dengan lebih akurat dan
efisien menggunakan algoritma Random Forest
Penelitian ini terdiri dari beberapa tahapan. Tahapan pertama yaitu mengumpulkan data
produk kendaraan dari olx.com menggunakan webscrapping Python dilanjutkan dengan
preprocessing, analisis deskriptif, label encoding, menentukan varibel independen dan
dependen dan pembagian data set untuk pengujian. Selanjutnya dilakukan konfigurasi model
untuk melakukan beberapa pengujian dengan paramater yang berbeda. Setelah model
pengujian prediksi terbentuk dilakukan penyimpanan model ke dalam format pickle serta
melakukan perbandingan harga prediksi dengan harga sebenarnya.
Hasil analisis menunjukkan bahwa merek mobil Toyota mendominasi dengan jumlah 580
unit, diikuti oleh Honda (348) dan Suzuki (153). Sebagian besar mobil menggunakan bahan bakar
bensin (1684) daripada solar (167). Transmisi otomatis lebih umum (1462) dibandingkan dengan
transmisi manual (389). Hasil prediksi harga mobil bekas menggunakan Algoritma Random forest
menghasilkan tingkat akurasi sebesar 94,79% dan Mean Absolute Precentage Eror (MAPE)
sekitar 5.21% dan Mean Absolute Error (MAE) 9729279.74 dengan penggunaan 250
pohon(n_estimator), dengan perbedaan rata-rata antara harga aktual dan prediksi sekitar 0,10%.

Item Type:	Thesis (S1)
Keyword:	Prediksi harga, random forest, webscrapping
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	03 Jul 2024 03:20
Last Modified:	03 Jul 2024 03:20
URI:	http://eprints.uad.ac.id/id/eprint/65029

Actions (login required)

View Item