ABSTRAK
Wilayah Jabodetabek, yang mencakup Jakarta, Bogor, Depok, Tangerang, dan
Bekasi, merupakan kawasan metropolitan terbesar di Indonesia dengan
pertumbuhan populasi dan infrastruktur yang pesat, menyebabkan permintaan akan
properti, khususnya rumah, terus meningkat. Penelitian ini membandingkan dua
algoritma yang berbasis ensemble learning, Random Forest dan XGBoost, untuk
memprediksi harga jual rumah di wilayah Jabodetabek. Tujuan penelitian adalah
membandingkan hasil prediksi berdasarkan nilai error antara kedua metode
tersebut. Dataset yang digunakan berasal dari situs Kaggle yang berfokus pada data
penjualan rumah di wilayah Jabodetabek. Variabel yang digunakan dalam
penelitian ini adalah variabel yang memiliki korelasi pearson lebih dari sama
dengan 0.5 terhadap variabel target atau harga rumah dari semua variabel yang ada.
Kinerja kedua model dievaluasi berdasarkan error metrics RMSE, MAE, dan
MAPE. Hasil penelitian menunjukkan bahwa Random Forest menghasilkan
prediksi harga jual rumah yang lebih baik dengan nilai RMSE 0.33, MAE 0.20, dan
MAPE 0.91%. Sementara itu, XGBoost, setelah tuning parameter, menunjukkan
penurunan nilai error dengan RMSE 0.30, MAE 0.18, dan MAPE 0.84%. Random
Forest lebih mudah diterapkan tanpa perlu tuning parameter yang kompleks,
sementara XGBoost membutuhkan perhatian lebih pada tuning parameter untuk
mengoptimalkan performa terbaiknya.
Kata Kunci: Prediksi Harga Rumah, Korelasi Pearson, Random Forest, XGBoost,
Jabodetabek, Ensemble Learning, RMSE, MAE, MAPE.