ANALISIS PERBANDINGAN METODE ARTIFICIAL NEURAL NETWORK, REGRESI LINEAR BERGANDA DAN REGRESI POLINOMIAL UNTUK MEMPREDIKSI HARGA JUAL RUMAH

Tempat tinggal merupakan kebutuhan yang sangat mendasar bagi kehidupan manusia. Selain untuk tempat bernaung, beberapa diantara mereka menggunakan tempat tinggal sebagai investasi pada masa yang akan datang. Dalam menentukan harga jual unit rumah pihak pengembang memiliki peranan yang penting. Sebelum menetapkan harga jual unit rumah, pihak pengembang perlu menghitung dengan cermat agar semua unit rumah laku terjual. Maka dari itu diperlukan beberapa cara untuk menentukan harga jual rumah, yakni dengan mempelajari dataset penjualan rumah “King Country, Washington, AS” yang ada di Kaggle dari bulan Mei 2014 sampai Mei 2015 dengan Algoritma Artificial Neural Network dengan metode backprapogation, Regresi Linear Berganda dengan metode Ordinary Least Squared (OLS) dan Regresi Polinomial dengan metode Ordinary Least Squared (OLS). Dari ketiga pemodelan tersebut didapatkan hasil nilai evaluasi untuk Artificial Neural Network dengan R-Squared 79.3% dengan Root Mean Squared Error 106424.29, Regresi Linear Berganda dengan R-Squared 64.5% dengan Root Mean Squared Error 139560.83 dan Regresi Polinomial dengan R-Squared 70.3% dengan Root Mean Squared Error 127741.25. Dari ketiga pemodelan tersebut maka model Artifical Neural Network merupakan pemodelan terbaik karena memiliki nilai R-Squared yang lebih baik dan nilai Root Mean Squared Error yang lebih rendah.