Proyek Machine Learning
Sebuah eksplorasi bagaimana data historis dapat membantu memperkirakan harga properti secara lebih terukur.
Model dilatih menggunakan dataset properti residensial Jabodetabek tahun 2022. Hasil estimasi bersifat indikatif dan digunakan sebagai pendekatan berbasis data, bukan sebagai penentu nilai jual pasti.
Dataset yang digunakan berisi data properti residensial di wilayah Jabodetabek pada tahun 2022 yang bersumber dari Kaggle.
Informasi yang tersedia mencakup lokasi,luas tanah dan bangunan, jumlah kamar,serta atribut properti lainnya yang digukanan untuk tujuan eksperimen.
Model dibangun menggunakan algoritma XGBoost Regressor untuk mempelajari pola hubungan antara karakteristik rumah dan harga jual berdasarkan data historis.
Pendekatan ini dipilih karena kemampuannya menangani data tabular dengan kompleksitas tinggi.
Algoritma
XGBoost Regressor
R² Score
0.85
Menunjukkan tingkat kecocokan model terhadap data historis.
MAE
± 650 Juta Rupiah
Rata-rata selisih prediksi terhadap harga aktual.
Model prediksi dibangun menggunakan pendekatan supervised machine learning berbasis data historis.
Oleh karena itu, hasil estimasi sangat bergantung pada pola yang terdapat dalam dataset pelatihan.
Perbedaan kondisi pasar, lokasi spesifik,serta faktor non-teknis lainnya dapat menyebabkan perbedaan antara hasil estimasi dan harga aktualdi lapangan.
Masukkan karakteristik properti untuk melihat estimasi harga berdasarkan pola data historis Jabodetabek tahun 2022.