Prediksi Harga Rumah Menggunakan General Regression Neural Network

Abstract

Rumah merupakan salah satu kebutuhan manusia selain sandang dan pangan. Hirarki Kebutuhan Maslow menyebutkan bahwa rumah adalah salah satu Physiological Needs. Dewasa ini, kebutuhan akan rumah sering dijadikan sebagai sumber investasi bagi pengusaha properti yang tentunya menghasilkan investasi yang tidak dapat diremehkan. Keuntungan dalam jual beli rumah dijadikan alasan bagi seseorang dalam melakukan transaksi jual beli rumah itu sendiri. Sehingga munculah harga yang tidak terprediksi pada harga rumah yang ada. Penelitian ini menggunakan General Regression Neural Network sebagai pemodelannya. GRNN menggunakan dasar regresi non linear dimana strukturnya terdiri dari 4 layer, yaitu Input Layer, Pattern Layer, Summation Layer dan Output Layer.  Variabel dependen yang digunakan berjumlah 6. Terdiri dari tanggal transaksi, jarak rumah dari stasiun MRT, jumlah toko atau minimarket yang dekat dengan rumah, umur rumah, dan letak geografis berupa longitude dan latitude. Variabel independen berupa harga rumah dalam satuan luas Ping yang selanjutnya dikonversi menjadi 10.000 New Dollar Taiwan/Ping.  Hasil yang didapatkan berupa data actual dan data predicted yang divisualisasikan dengan line plot. Dilakukan juga uji akurasi dan uji kinerja pemodelan menggunakan 3 jenis evaluasi dengan hasil dari ketiga jenis evaluasi tersebut adalah 58,72 untuk skor MSE, skor 7,66 untuk RMSE dan 5,99 untuk skor MAE.