HAYKAL, Maulana Aliwafi (2025) Prediksi Harga Mobil Lama Menggunakan Ensemble Voting Regressor. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. HALAMAN JUDUL.pdf Download (170kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (314kB)
	Text 4. KATA PENGANTAR.pdf Restricted to Repository staff only Download (391kB) | Request a copy
	Text 6. ABSTRAK.pdf Download (179kB)
	Text 7. ABSTRACT.pdf Download (117kB)
	Text 8. DAFTAR ISI.pdf Download (264kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (195kB)

Abstract

ABSTRAK
Seiring perkembangan teknologi, banyak jenis mobil baru yang ditawarkan di pasaran.
Namun, tidak semua orang mampu membeli mobil baru, sehingga banyak yang memilih
mobil lama karena harganya lebih terjangkau dan bisa dijual kembali untuk keuntungan.
Tingginya permintaan mobil lama menyebabkan bisnis ini tumbuh pesat, memicu persaingan
ketat antar penjual. Tantangan utama bagi penjual adalah menetapkan harga mobil secara
cepat dan akurat. Harga mobil lama dipengaruhi oleh berbagai faktor seperti tahun produksi,
jarak tempuh, dan jenis transmisi, yang membuat harga bisa bervariasi. Untuk mengatasi
tantangan dalam meprediksi harga mobil lama, penelitian ini mengusulkan penggunaan
algoritma Ensemble Voting Regressor dengan gabungan Linear Regression dan K-Nearest
Neighbors Regression untuk prediksi penetapan harga mobil lama. Penelitian menggunakan
Ensemble Voting Regressor ditemukan bukan untuk prediksi harga mobil tapi prediksi
limbah medis dengan R-Squared = 97%, penelitian untuk prediksi harga mobil ditemukan
menggunakan Linear Regression dengan R-Squared = 98,61% dan K-Nearest Neighbors
Regression dengan R-Squared = 85%. Penelitian ini menggunakan dataset dari platform
Kaggle yang diperoleh dari website CarSome yang berisi data harga dan berbagai spesifikasi
mobil lama yang dijual. Pada dataset dilakukan data preprocessing seperti Label Encoding
dan Principal Component Analysis, lalu dataset dibagi dengan skema pembagian data 70:30,
70:25, dan 80:20 untuk pelatihan dan pengujian. Hasil prediksi harga mobil lama dengan
algoritma Ensemble Voting Regressor dikombinasikan dengan algoritma regresi individu
seperti K-Nearest Neighbors Regression dan Linear Regression didapatkan performa terbaik
dengan menggunakan Grid Search meliputi k terbaik = 1 pada rasio dataset 70:30 dan k
terbaik = 2 pada rasio dataset 75:25 dan 80:20. Evaluasi prediksi harga mobil lama dilakukan
menggunakan berbagai metrik evaluasi, termasuk Mean Squared Error, Mean Absolute
Error, dan R-squared. Meskipun Ensemble Voting Regressor tidak selalu mengungguli
model regresi individu, hasil menunjukkan bahwa algoritma Ensemble Voting Regressor
mampu bersaing dalam memprediksi harga mobil lama. Hasil evaluasi terbaik yang dicapai
oleh Ensemble Voting Regressor yaitu Mean Squared Error = 350.934.618.153.990 pada
data uji dengan rasio dataset 70:30, Mean Absolute Error = 10.258.462 pada data uji dengan
rasio dataset 80:20, dan R-Squared = 93,55% pada data uji dengan rasio dataset 70:30.
Penelitian ini menunjukkan bahwa Ensemble Voting Regressor dapat menjadi alternatif yang
layak dalam prediksi harga mobil lama.
Kata kunci: Harga Mobil Lama, Prediksi, Regresi, Ensemble Voting Regressor, Metrik
Evaluasi

Actions (login required)

View Item