Prediksi Harga Kendaraan Bekas di Platform OLX Menggunakan Metode Gradient Boosting Regressor

Purwanto, Pandu Anggi (2025) Prediksi Harga Kendaraan Bekas di Platform OLX Menggunakan Metode Gradient Boosting Regressor. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2115354010_full.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (Cover, Bab 1, Bab 5 dan Referensi) RAMA_58302_2115354010_0013048502_0012059501_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (434kB)
	Text (iThenticate) RAMA_58302_2115354010_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pesatnya pertumbuhan industri otomotif di Indonesia, sehingga jumlah kendaraan sepeda motor mencapai 132 juta unit pada tahun 2023, hal tersebut memicu tingkat transaksi kendaraan pada pasar kendaraan bekas dengan harga yang bervariatif. Penelitian ini bertujuan untuk membangun model prediksi harga motor bekas menggunakan algoritma Gradient Boosting Regressor (GBR) yang diterapkan pada data OLX Indonesia. Model dievaluasi dengan membandingkan performa pada dua rasio pembagian data, yaitu 80:20 dan 70:30. Evaluasi dilakukan menggunakan metrik RMSE, MAE, MAPE, dan R² baik pada skala logaritmik maupun skala asli, serta waktu yang dibutuhkan untuk tuning hyperparameter. Hasil menunjukkan bahwa model dengan split 80:20 memiliki performa sedikit lebih baik dengan nilai RMSE log sebesar 0.1095 dan R² sebesar 0.891, dibandingkan dengan RMSE log 0.1114 dan R² sebesar 0.888 pada split 70:30. Pada skala asli, split 80:20 menunjukkan RMSE sekitar 2,2 juta dan R² sebesar 0.915, sementara split 70:30 menghasilkan RMSE 2,24 juta dan R² sebesar 0.912. MAPE pada kedua rasio hampir setara, yaitu sekitar 8%, menandakan bahwa model mampu memprediksi harga dengan tingkat kesalahan rata-rata yang rendah. Visualisasi performa model menunjukkan distribusi error yang simetris dan residual yang tersebar secara acak di sekitar nol, menandakan tidak adanya bias signifikan. Validasi manual data dan penanganan outlier turut berkontribusi dalam meningkatkan akurasi model. Dengan transformasi logaritmik dan teknik pra-pemrosesan yang tepat, model mampu menangkap pola harga dengan baik. Secara keseluruhan, model yang dibangun dapat dijadikan alat bantu untuk memprediksi harga motor bekas secara akurat, serta memberikan nilai tambah bagi pengguna dalam menentukan harga jual atau beli secara objektif dan data-driven.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Prediksi Harga, Gradient Boosting Regressor, Platform Online, RMSE, R², MAPE, Motor Bekas
Subjects:	Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Informatika Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak
Divisions:	Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User:	Pandu Anggi Purwanto
Date Deposited:	29 Aug 2025 03:22
Last Modified:	29 Aug 2025 03:22
URI:	https://repository.pnb.ac.id/id/eprint/18021

Actions (login required)

View Item