METODE NEURAL NETWORK UNTUK PENENTUAN AKURASI PREDIKSI HARGA RUMAH

Ihda Innar Ridho(1*), Galih Mahalisa(2), Dwi Retno Sari(3), Ihsanul Fikri(4)

(1) 
(2) 
(3) 
(4) 
(*) Corresponding Author

Sari


Tempat tinggal atau rumah merupakan salah satu dari banyaknya kebutuhan primer bagi setiap orang khususnya keluarga untuk mendapatkan tempat tinggal pribadi, sehingga  pertimbangan dalam pembelian rumah diperlukan sebuah metode yang membantu untuk menentukan harga yang sesuai dengan keinginan pembeli. Neural network adalah model yang terinspirasi oleh bagaimana neuron dalam otak manusia bekerja. Neural Network terdiri dari sejumlah besar elemen pemrosesan informasi (neuron) yang saling terhubung dan bekerja bersama-sama untuk menyelesaikan sebuah masalah tertentu, yang pada umumnya dalah masalah klasifikasi ataupun prediksi. Adapun terkait variabel yang mempengaruhi harga rumah diantaranya luas lahan, banyaknya kamar tidur, dan banyaknya kamar mandi. Dilakukan uji akurasi dan uji kinerja pemodelan dengan hasil adalah 74% untuk skor Akurasi, dan 0,28 untuk skor MAE


Teks Lengkap:

PDF

Referensi


Hendra, H., Tursina, T., & Nyoto, R. D. (2017). Case Base Reasoning Penentuan Harga Rumah Dengan Menggunakan Metode Tversky (Studi Kasus: Kota Pontianak). JUSTIN (Jurnal Sistem dan Teknologi Informasi), 5(2), 75-79..

Hutami, A. R. (2018). APLIKASI NEURAL NETWORK UNTUK PREDIKSI HARGA RUMAH DI YOGYAKARTA MENGGUNAKAN BACKPROPAGATION (Studi Kasus: Rumah di Situs Online OLX. co. id).

Fadilah, A., Ansori, A. S. R., & Wijaya, R. (2020). Prediksi Harga Rumah Dikota Bandung Bagian Timur Dengan Menggunakan Metode Moving Average. eProceedings of Engineering, 7(2).

Saiful, A. (2021). Prediksi Harga Rumah Menggunakan Web Scrapping dan Machine Learning Dengan Algoritma Linear Regression. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 8(1), 41-50.

Sanusi, R. M., Ansori, A. S. R., & Wijaya, R. (2020). Prediksi Harga Rumah Di Kota Bandung Bagian Timur Dengan Menggunakan Metode Regresi. eProceedings of Engineering, 7(3).

Putra, M. L. P. (2021). Sistem Prediksi Harga Rumah di Pulau Jawa dengan Analisis Random Forest dan Website Interaktif mengunakan Framework Streamlit.

Kusnardi, H. (2020). Perancangan dashboard mengenai prediksi harga rumah investasi pada kawasan properti modernland cilejit menggunakan metode double exponential smoothing (Doctoral dissertation, Universitas Tarumanagara).

Nafi’iyah, N. (2016). Perbandingan regresi linear, backpropagation dan fuzzy mamdani dalam prediksi harga emas. Prosiding SENIATI, 291-B.

Feindt, M., & Kerzel, U. (2006). The NeuroBayes neural network package. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 559(1), 190-194.

Wang, S. C. (2003). Artificial neural network. In Interdisciplinary computing in java programming (pp. 81-100). Springer, Boston, MA.

Hu, Y. H., & Hwang, J. N. (Eds.). (2002). Handbook of neural network signal processing.

Anthony, M., Bartlett, P. L., & Bartlett, P. L. (1999). Neural network learning: Theoretical foundations (Vol. 9). Cambridge: cambridge university press.

Anthony, M., Bartlett, P. L., & Bartlett, P. L. (1999). Neural network learning: Theoretical foundations (Vol. 9). Cambridge: cambridge university press.

Hecht-Nielsen, R. (1992). Theory of the backpropagation neural network. In Neural networks for perception (pp. 65-93). Academic Press.

Eberhart, R. C. (Ed.). (2014). Neural network PC tools: a practical guide. Academic Press.

Dayhoff, J. E. (1990). Neural network architectures: an introduction. Van Nostrand Reinhold Co..




DOI: http://dx.doi.org/10.31602/tji.v13i1.6252

Refbacks

  • Saat ini tidak ada refbacks.


© 2019 Technologia   p-ISSN: 2086-6917    e-ISSN: 2656-8047

-------------------------------------------------------------------------------------------

This work is licensed under a Creative Commons Attribution 4.0 International License.