Forecasting Harga Mobil Bekas dengan Machine Learning

Abstract

Di era persaingan yang semakin ketat, penting bagi dealer dan pengecer mobil untuk menghadapi kesulitan dalam menentukan harga mobil bekas yang akurat. Penelitian ini bertujuan untuk mengimplementasikan prediksi harga mobil bekas menggunakan teknik Machine Learning khususnya dengan algoritma Artificial Neural Network (ANN) dan Random Forest Regression. Dengan menghadapi tantangan dalam menetapkan harga mobil bekas yang akurat penelitian ini memfokuskan pada kemampuan algoritma tersebut dalam memprediksi harga berdasarkan spesifikasi tertentu seperti Merek, Model, Varian, Tahun dan Jarak tempuh. Dataset yang digunakan terdiri dari 14.657 entri data mobil bekas namun difokuskan pada 6 kolom utama yang dianggap krusial untuk analisis harga. Setelah pemrosesan dataset difilter menjadi subset dengan 308 baris data yang lebih terfokus. Evaluasi dilakukan dengan menggunakan Mean Absolute Error (MAE) yang mengukur selisih absolute antara prediksi model dan nilai sebenarnya. Hasil evaluasi menunjukkan bahwa algoritma Artificial Neural Network memiliki performa lebih baik dibandingkan dengan Random Forest Regression dengan MAE sebesar 0.035 dibandingkan dengan 0.047 untuk Random Forest Regression. Hal ini menunjukkan bahwa model ANN memiliki kesalahan prediksi yang lebih rendah secara rata-rata serta menunjukkan kemampuan yang lebih baik dalam memprediksi mobil bekas. Dengan demikian kesimpulan dari penelitian ini adalah bahwa algoritma Artificial Neural Network lebih efektif dalam memodelkan kompleksitas data dan hubungan non-linier antar variabel yang terlibat dalam prediksi harga mobil bekas. Oleh karena itu, ANN dianggap sebagai pilihan yang lebih direkomendasikan dalam memprediksi harga mobil bekas dibandingkan dengan Random Forest Regression.