Analisis Perbandingan Algoritma Decision Tree, Neural Network, K-NN, GBT, SVR dan Random Forest untuk Prediksi Harga Rumah

DOI: https://doi.org/10.33650/coreai.v7i1.13234
Authors

(1) * Sahal Abdillah   (Universitas Nahdlatul Ulama Al-Ghazali Cilacap)  
        Indonesia
(2)  Mochamad Taufiqurrohman Abdul Aziz Zein   (Universitas Nahdlatul Ulama Al-Ghazali Cilacap)  
        Indonesia
(3)  Edy Sulistiyanto   (Universitas Nahdlatul Ulama Al-Ghazali Cilacap)  
        Indonesia
(*) Corresponding Author

Abstract


Penelitian ini bertujuan menganalisis dan membandingkan kinerja beberapa algoritma machine learning untuk memprediksi harga rumah. Dataset diperoleh dari Kaggle dengan variabel harga rumah, luas bangunan, luas tanah, jumlah kamar tidur, jumlah kamar mandi, dan garasi. Algoritma yang digunakan meliputi Decision Tree, Neural Network, K-Nearest Neighbor, Gradient Boosted Trees, Support Vector Regression, dan Random Forest. Penelitian dilakukan menggunakan Altair Studio melalui tahapan pra-pemrosesan, pelatihan, pengujian, dan evaluasi berdasarkan performa, waktu komputasi, dan kompleksitas model. Hasil penelitian menunjukkan K-NN memperoleh nilai RMSE terbaik sebesar 0,608, diikuti Neural Network 0,630, Decision Tree 0,649, Random Forest 0,656, SVR 0,662, dan GBT 0,747. Berdasarkan MAE, Neural Network memperoleh nilai terbaik sebesar 0,464, diikuti Random Forest 0,474, Decision Tree 0,478, K-NN 0,485, SVR 0,501, dan GBT 0,589. Secara keseluruhan, K-NN menjadi model terbaik karena memiliki RMSE terendah, waktu pelatihan tercepat 0,004 detik, dan kompleksitas model yang relatif sederhana.

Keywords

Machine Learning, Prediksi Harga Rumah, Data Mining, Altair Studio







References


E. F. Rahayuningtyas, F. Novia Rahayu, Y. Azhar, “Prediksi Harga Rumah Menggunakan General Regression Neural Network,” JURNAL INFORMATIKA, vol. 8, no. 1, pp. 59-66, 2021.

I. I. Ridho, Galih Mahalisa, Dwi Retno Sari, “ Metode Neural Network Untuk Penentuan Akurasi Prediksi Harga Rumah,” Technologia, vol. 13, no. 1, pp. 56-58, 2022.

E. Fitri, “Analisis Perbandingan Metode Regresi Linier, Random Forest Regression dan Gradient Boosted Trees Regression Method untuk Prediksi Harga Rumah,” JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY (JACOST), vol. 4, no. 1, pp. 2723–1453, 2023.

F. Hidayah, S. J. Angesti, and Y. P. Widyastuti, “Prediksi Harga Rumah di Boston Menggunakan Metode Linear Regression, SVR, Decision Tree dan Random Forest Regression,” Departement of Statistics, pp. 1-9, 2024.

A. M. Cucos and L. B. Iantovics, “Comparative Study of Random Forest, Gradient Boosted Trees, Feedforward Neural Networks and Convolutional Neural Networks Using Fingerprints and Molecular Descriptors for Adverse Drug Reaction Prediction,” in Procedia Computer Science, Elsevier B.V., pp. 1895–1904, 2024.

F. K. Alarfaj, I. Malik, H. U. Khan, N. Almusallam, M. Ramzan, and M. Ahmed, “Credit Card Fraud Detection Using State-of-the-Art Machine Learning and Deep Learning Algorithms,” IEEE Access, vol. 10, pp. 39700–39715, 2022.

P. Karimi, M. Y. Hosseini Varzaqani, and S. Ghanbari, “Machine learning and deep learning algorithms for prediction of different parameters of a 2D permanent magnetic lattice,” J Appl Phys, vol. 137, no. 18, 2025.

Ş. Özlem and O. F. Tan, “Predicting cash holdings using supervised machine learning algorithms,” Financial Innovation, vol. 8, no. 1, pp. 1-19, 2022.

Y. W. Lee, J. W. Choi, and E. H. Shin, “Machine learning model for predicting malaria using clinical information,” Computers in Biology and Medicine, vol. 129, 2021.

B. W. Sari and D. Prabowo, “Analisis Perbandingan Prediksi Harga Rumah Dengan Random Forest , Gradient Boosting , dan XGBoost,” Indonesian Journal of Learning and Tecnological Inovation (INTELECT), vol. 04, no. 01, pp. 42–51, 2025.

G. Taranto-Vera, P. Galindo-Villardón, J. Merchán-Sánchez-Jara, J. Salazar-Pozo, A. Moreno-Salazar, and V. Salazar-Villalva, “Algorithms and software for data mining and machine learning: a critical comparative view from a systematic review of the literature,” Journal of Supercomputing, vol. 77, no. 10, pp. 11481–11513, 2021.

Warjiyono, A. Nur Rais, I. Alfarobi, S. W. Hadi, W. Kurniawan, “Analisa Prediksi Harga Jual Rumah Menggunakan Algoritma Random Forest Machine Learning,” JURSISTEKNI (Jurnal Sistem Informasi dan Teknologi Informasi), vol. 6, no. 2, pp. 416-423 , 2024.

N. Manullang, R. W. Sembiring, I. Gunawan, I. Parlina, and I. Irawan, “Implementasi Teknik Data Mining untuk Prediksi Peminatan Jurusan Siswa Menggunakan Algoritma C4.5,” Jurnal Ilmu Komputer dan Teknologi, vol. 2, no. 2, pp. 1–5, 2021.

P. Kurnia Illahi, A. Rina Viana, N. Fitria, M. Permata, and M. Y. Pratama, “Application of Decision Tree Algorithm and Linear Regression for Breast Cancer Classification,” Institut Riset dan Publikasi Indonesia (IRPI), ISSN. 2830-3083, pp. 86-92, 2023.

M. R. Ferdiansyah et al., “Prediksi Produksi Tanaman Padi di Sumatera dengan Menggunakan Algoritma Neural Network,” Journal of Multidisciplinary Inquiry in Science Technology and Educational Research, vol. 2, no. 1b, pp. 1454–1467, 2024.

Dhiwa Aqsha, “Perbandingan Kinerja Algoritma Extreme Gradient Boosting Dan Random Forest Untuk Prediksi Harga Rumah Di Jabodetabek,” Jurnal Ilmu Komputer dan Sistem Informasi, vol. 13, no. 1, pp. 1–7, 2025.

A. A. Handani, A. M. Siregar, and T. Al Mudzakir, “Prediksi Harga Rumah Di Karawang Menggunakan Algoritma Multiple Linear Regression dan Support Vector Regression,” vol. 5, no. 2, pp. 33–40, 2024.

B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan, “Analisis Data Mining Data Netflik Menggunakan Aplikasi RapidMiner,” JBASE - Journal of Business and Audit Information Systems, vol. 4, no. 1, Apr. 2021.

Y. N. Sukmaningtyas, R. M. Akbar, and G. Rohma, “Penerapan Predictive Analytics untuk Analisis Faktor-faktor yang Mempengaruhi Performa Akademik Siswa menganalisis faktor-faktor yang mempengaruhi performa akademik siswa telah,” vol. 4, no. 2, pp. 127–145, 2024.

A. Fauzi, N. Maulidah, R. Supriyadi, H. Nalatissifa, and S. Diantika, “Prediksi Harga Properti Di Indonesia Menggunakan Algoritma Random Forest,” vol. 4, no. 1, pp. 43–49, 2025.


Dimensions, PlumX, and Google Scholar Metrics

10.33650/coreai.v7i1.13234


Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Sahal Abdillah, Mochamad Taufiqurrohman Abdul Aziz Zein, Edy Sulistiyanto

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


Creative Commons License
 
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi

Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.