IMPLEMENTASI SUPPORT VECTOR MACHINE DALAM MEMPREDIKSI HARGA RUMAH PADA PERUMAHAN DI KOTA BANDAR LAMPUNG
| Main Author: | REZA AJI SAPUTRA, 1517051146 |
|---|---|
| Format: | Bachelors NonPeerReviewed Book Report |
| Terbitan: |
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
, 2020
|
| Subjects: | |
| Online Access: |
http://digilib.unila.ac.id/62940/1/ABSTRAK.pdf http://digilib.unila.ac.id/62940/2/SKRIPSI%20FULL.pdf http://digilib.unila.ac.id/62940/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf http://digilib.unila.ac.id/62940/ |
Daftar Isi:
- Rumah adalah salah satu komponen kehidupan yang penting karena dapat memberikan perlindungan, keamanan dan kehangatan, serta sebagai tempat untuk beristirahat. Seiring dengan meningkatnya pertumbuhan jumlah penduduk, permintaan konsumen terhadap perumahan pun semakin bertambah. Tujuan dari penelitian ini adalah untuk memprediksi harga rumah pada perumahan menggunakan support vector machine. Data yang digunakan adalah data rumah pada perumahan di Kota Bandar Lampung, data harga, data lokasi dan data spesifikasi bangunan. Jumlah data yang digunakan adalah 51 data dan 33 variabel dengan 2 model: regresi dan klasifikasi, serta menggunakan 3 kernel: linear, gaussian dan polinomial. Dalam penelitian ini 18 percobaan dilakukan pada tiap kernel dan modelnya, 12 percobaan pertama dilakukan tanpa Seleksi Fitur dan 6 eksperimen berikutnya dilakukan dengan Seleksi Fitur. Dari percobaan yang dilakukan, pada model regresi kernel Polinomial mencapai nilai R2 tertinggi yaitu 95,99%, kernel Linear dan Kernel Gaussian mencapai nilai R2 masing-masing 90,99% dan 81,43%. Sedangkan pada percobaan model klasifikasi akurasi tertinggi didapatkan pada kernel Gaussian 8 kelas sebesar 91,18%, dan untuk kernel Linear dan kernel Polinomial masing-masing akurasinya adalah 90,20%, dan 89,90%. Kata Kunci : Machine Learning, Support Vector Machine, Regresi, klasifikasi, 10-Fold Cross Validation. ABSTRACT House is one of important component of life where it can gives protections, secure and warmness. And also a place where you can take a rest in it. along with the increase population of people causing high demand of housing it self. The purpose of this study is to predicted the housing cost using support vector machine. The data in this research used the data of house in Bandar lampung, the price, the location and the building specification. The amount of data used 51 datas and 33 variables with regression and classification, also used 3 kernels and it's model, 12 times first trial and next 6 experiments done with fitur selection. The trial result was kernel regression polynomial model reached the highest R2 that was 95,99% linear kernel and gaussian kernel reached R2 90,99% and 81,43% each. While in accuration classification model trial is obtained in 8 class of gaussian kernel as big as 91,18%, and linear kernel and polynimonal kernel get an accuracy of 90,20% and 89,90%. Keywords : Machine Learning, Support Vector Machine, Regression, Classification, 10-Fold Cross Validation.