IMPLEMENTASI SUPPORT VECTOR MACHINE DALAM PREDIKSI HARGA RUMAH

Abstract

Penelitian ini bertujuan untuk memprediksi harga rumah di Amerika Serikat berdasarkan fitur-fitur seperti Avg. Area Income, Avg. Area House Age, Avg. Number of Rooms, dan Area Population. Dataset yang digunakan terdiri dari beberapa ribu entri tanpa ada missing value. Melalui eksplorasi data awal, ditemukan adanya korelasi yang signifikan antara sejumlah fitur dengan harga rumah. Outlier dianalisis dan dipertimbangkan dalam proses pemodelan. Algoritma Support Vector Machine (SVM) dengan berbagai kernel diaplikasikan, di mana kernel Radial Basis Function (RBF) menunjukkan performa terbaik dan berhasil menjelaskan sebesar 70,78% variasi harga rumah. Hasil penelitian ini menunjukkan potensi algoritma SVM dalam prediksi harga properti dan memberikan wawasan untuk analisis properti lebih lanjut.