Analisis dan Prediksi Harga Properti Rumah di Kota Surabaya dengan Algoritma Random Forest

Abstract

Perhatian Generasi Z terhadap biaya perumahan telah melonjak secara signifikan akibat lonjakan harga yang cukup tajam. Pada September 2023, harga rumah naik 2% dibanding tahun sebelumnya, dengan Indeks harga rumah mencapai 211,9 untuk kuartal III-2023, mengalami pertumbuhan tahunan tertinggi sebesar 8,7 persen sejak pandemi. Namun, pendapatan rata-rata Gen Z masih di bawah 2,5 juta rupiah per bulan. Pasar properti Surabaya, kota terbesar kedua di Indonesia, dipengaruhi oleh pertumbuhan ekonomi dan urbanisasi. Penelitian ini bertujuan memprediksi harga rumah di Surabaya menggunakan algoritma Random Forest yang dioptimalkan dengan GridSearchCV. Hasil korelasi menunjukkan bahwa faktor utama yang mempengaruhi harga rumah adalah dimensi tanah, diikuti oleh dimensi bangunan, jumlah kamar tidur, dan jumlah kamar mandi. Wilayah tidak signifikan mempengaruhi harga. Evaluasi model dalam tiga skenario menunjukkan bahwa data utuh tanpa penghapusan outlier memberikan performa terbaik berdasarkan Mean Absolute Error (MAE). Meskipun Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE) tetap tinggi karena outlier, mempertahankan data utuh sambil mencari metode untuk menangani outlier meningkatkan keakuratan prediksi. Model ini membantu calon pembeli, penjual, dan agen properti dalam membuat keputusan lebih cerdas di pasar properti Surabaya.