KOMPARASI AKURASI REGRESI LINEAR BERGANDA DAN DECISION TREE PREDIKSI HARGA MOTOR BEKAS BERBASIS WEBSITE
DOI:
https://doi.org/10.31949/infotech.v11i2.16430Abstract
Kendaraan roda dua kini menjadi kebutuhan utama bagi masyarakat Indonesia. Aktivitas jual beli motor, baik baru maupun bekas, sudah sangat umum dilakukan. Namun, masih banyak calon pembeli yang belum mengetahui kisaran harga dari tipe atau model motor yang ingin mereka beli maupun jual. Untuk membantu memperkirakan harga tersebut, dapat digunakan pendekatan Machine Learning (ML) dengan metode Supervised Learning, yang berfungsi melatih model menggunakan algoritma analisis statistik. Prediksi merupakan aspek penting dalam statistik, terutama dalam pengambilan keputusan. Penelitian ini bertujuan membandingkan performa dua algoritma machine learning, yaitu Regresi Linear Berganda dan Decision Tree Regressor, dalam memprediksi harga motor bekas. Data yang digunakan meliputi Model, Tahun, Transmisi, Odometer, Jenis, Pajak, Konsumsi BBM, Mesin, dan Harga. Dataset dibagi menjadi data pelatihan dan pengujian dengan perbandingan 80:20. Hasil penelitian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki akurasi lebih tinggi dengan nilai R² sebesar 0.8755 dan RMSE lebih rendah sebesar 1328.09 dibandingkan Decision Tree yang memiliki R² sebesar 0.8422 dan RMSE 1495.23. Oleh karena itu, model Regresi Linear Berganda lebih efektif dalam menangani hubungan linear antar variabel saat memprediksi harga motor bekas, dengan hasil perbandingan divisualisasikan dalam bentuk heatmap dan prediksinya ditampilkan melalui website.
Keywords:
Prediksi, Linear, Decision Tree, Motorcycle, Machine learningDownloads
References
Abijono, H., Santoso, P. & Anggreini, N. L. (2021). Algoritma Supervised Learning Dan Unsupervised Learning Dalam Pengolahan Data. Jurnal Teknologi Terapan: G-Tech, 4(2), 315–318. https://doi.org/10.33379/gtech.v4i2.635
Afrilia S, N., Frazna Az-Zahra, F. & Prajoko, P. (2024). Prediksi Hasil Panen Wortel Menggunakan Algoritma Regresi Linear Berganda. JATI (Jurnal Mahasiswa Teknik Informatika), 8(5), 10255–10262. https://doi.org/10.36040/jati.v8i5.10954
Artikel, R., Luh, N., Chandra, P., Rahman, R. A., Venyutzky, R. & Rakhmawati, N. A. (2021). Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning. 7(April), 47–58.
Ayuni, G. N. & Fitrianah, D. (2020). Penerapan Metode Regresi Linear Untuk Prediksi Penjualan Properti pada PT XYZ. Jurnal Telematika, 14(2), 79–86. https://doi.org/10.61769/telematika.v14i2.321
CNA Indonesia. (2025). Kendaraan bermotor Indonesia tembus 168 jutaan, paling banyak di mana? In CNA Indonesia (cna.id). https://www.cna.id/indonesia/kendaraan-bermotor-indonesia-tembus-168-jutaan-paling-banyak-di-mana-31031?utm_source=chatgpt.com
Hallan, R. R. & Fajri, I. N. (2025). Prediksi Harga Rumah menggunakan Machine Learning Algoritma Regresi Linier. Jurnal Teknologi Dan Sistem Informasi Bisnis, 7(1), 57–62. https://doi.org/10.47233/jteksis.v7i1.1732
Hasibuan, E., Informasi, S., Ilmu, F., Informasi, T., Gunadarma, U., Margonda, J., No, R., Cina, P. & Jawa, D. (2022). Implementasi Machine Learning untuk Prediksi Harga Mobil Bekas dengan Algoritma Regresi Linear berbasis Web. Jurnal Ilmiah Komputasi, 21(4), 595–602. https://doi.org/10.32409/jikstik.21.4.3327
Jl, A., Iskandar, W., Baru, K., Percut, K., Tuan, S., Serdang, K. D. & Utara, S. (2023). Analisis Prediksi Harga Rumah di Bandung Menggunakan Regresi Linear Berganda Rafif Nauval Tuah Siregar Vijay Sitorus Universitas Negeri Medan Willy Pramudia Ananta perbandingan melalui penalaran berbasis kasus ," yang dilakukan oleh I-Cheng Yeh , Tzu- yang berkaitan . dengan faktor-faktor yang mempengaruhi prediksi harga rumah , dengan. 1(6).
Leriansyah Putra Nasyuli, Imran Lubis & Andi Marwan Elhanafi. (2023). Penerapan Model Machine Learning Algoritma Gradient Boosting dan Linear Regression Melakukan Prediksi Harga Kendaraan Bekas. Jurnal Ilmu Komputer Dan Sistem Informasi, 2(2), 299–310. https://doi.org/10.70340/jirsi.v2i2.56
Meliala, S., Elektro, T., Teknik, F. & Malikussaleh, U. (2023). PENGIRAAN POSE MODEL MANUSIA PADA REPETISI KEBUGARAN AI. 9(1), 11–19.
Nurani, A. T., Setiawan, A. & Susanto, B. (2023). Perbandingan Kinerja Regresi Decision Tree dan Regresi Linear Berganda untuk Prediksi BMI pada Dataset Asthma. Jurnal Sains Dan Edukasi Sains, 6(1), 34–43. https://doi.org/10.24246/juses.v6i1p34-43
Nurhalizah, R. S., Ardianto, R. & Purwono, P. (2024). Analisis Supervised dan Unsupervised Learning pada Machine Learning: Systematic Literature Review. Jurnal Ilmu Komputer Dan Informatika, 4(1), 61–72. https://doi.org/10.54082/jiki.168
Pamulang, U. (n.d.). KOMMAS : Jurnal Pengabdian Kepada Masyarakat PENGENALAN SEJAK DINI SISWA SMP TENTANG MACHINE LEARNING UNTUK KLASIFIKASI GAMBAR DALAM MENGHADAPI KOMMAS : Jurnal Pengabdian Kepada Masyarakat. 7–15.
Panggabean, D. S. O., Buulolo, E. & Silalahi, N. (2020). Penerapan Data Mining Untuk Memprediksi Pemesanan Bibit Pohon Dengan Regresi Linear Berganda. JURIKOM (Jurnal Riset Komputer), 7(1), 56. https://doi.org/10.30865/jurikom.v7i1.1947
Sari, N. N., Anisah, T. T. & Fitriani, R. (2024). Implementasi Machine Learning untuk Prediksi Harga Laptop Menggunakan Algoritma Regresi Linear Berganda Machine Learning Implementation for Laptop Price Prediction Using Multiple Linear Regression Algorithm. Jurnal Manajemen Informatika (JAMIKA), 14(2), 162–177. https://doi.org/10.34010/jamika.v14i2.12923
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Arya Putrana Kohan, Adhitya Pratama, Andika Satria Pratama, Tri Ramadhanti, Victor Parulian, Sigit Wibawa, Muhammad Muharrom
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
