PREDIKSI HARGA MOBIL BEKAS MENGGUNAKAN ALGORITMA GRADIENT BOOSTING MACHINE DAN RANDOM FOREST
Kata Kunci:
Mobil Bekas, Prediksi Harga, Machine Learning, Gradient Boosting Machine, Random ForestAbstrak
Penelitian ini bertujuan untuk memprediksi harga mobil bekas menggunakan dua algoritma machine learning, yaitu Gradient Boosting Machine (GBM) dan Random Forest. Data yang digunakan berasal dari platform Cars24, yang mencakup informasi mengenai spesifikasi mobil, seperti tahun pembuatan, jarak tempuh, jenis bahan bakar, dan kapasitas mesin. Kedua algoritma dievaluasi berdasarkan metrik Precision, Recall, F1-Score, dan Accuracy pada tiga kategori harga: rendah, sedang, dan tinggi. Hasil penelitian menunjukkan bahwa GBM memiliki akurasi keseluruhan sebesar 0,97, sedikit lebih unggul dibandingkan Random Forest yang memiliki akurasi 0,96. Kedua model menunjukkan performa yang baik pada kategori harga rendah dan tinggi, tetapi kesulitan dalam mengklasifikasikan kategori harga sedang. Hal ini mengindikasikan bahwa meskipun GBM dan Random Forest efektif untuk prediksi harga ekstrem, keduanya memiliki keterbatasan dalam mendeteksi harga di kategori menengah.
