OPTIMALISASI ALGORITMA XGBOOST MENGGUNAKAN HYPERPARAMETER TUNING DAN MULTIPLE PREPROCESSING UNTUK PREDIKSI HARGA MOBIL BEKAS

• DANIATI UKI EKA SAPUTRI
• 14002372

---

ABSTRAK

Adanya pandemi covid-19 secara tidak langsung meningkatkan minat masyarakat terhadap kendaraan yang nyaman, aman serta harga yang terjangkau, dan mobil bekas menjadi pilihan terbaik. semakn tingginya minat akan mobil bekas berdampak pada terciptanya peluang usaha showroom mobil bekas. dalam menentukan harga jual mobil bekas, dibutuhkan pengetahuan ahli. Tujuan dari penelitian ini untuk mendapatkan model prediksi harga yang akurat sehingga dapat membantu showroom bersaing harga dengan penjual lain. Pihak showroom akan memahami fitur-fitur penting yang berpengaruh terhadap kenaikan dan penurunan harga. Selain itu, dapat membantu pembeli dalam mengambil keputusan memilih mobil bekas sesuai dengan kondisi dan harganya. metode yang digunakan untuk penelitian yaitu XGBoost dengan melakukan optimalisasi hyperparamter tuning dan multiple preprocessing data.Hasil penelitian menghasilkan MAE= 0,218, dan R2=0.89%, hasil tersebut lebih baik dari penelitian sebelumnya dengan gradient boosted regression tree menghasilkan MAE=0.28 dan dengan random forest regression menghasilkan R2=83,63%. Dengan hyperparameter tuning dan multiple preprocessing dapat meningkatkan akurasi prediksi.

Kata Kunci: Prediksi, XGBoost, hyperparameter, Preprocessing
 

KATA KUNCI

Data Mining,Algoritma

---

DAFTAR PUSTAKA

B. Kriswantara "Prediksi harga mobil bekas dengan machine learning" 2019
E. Gegic "Car price prediction using machine learning techniques" 2019
A.D Sharma "Used car price prediction using linear regression model" 2020
K.Noor "Vehicle price prediction system using machine learning techniques" 2017
J.W.G Putra " Pengenalan konsep pembelajaran mesin dan deep learning" 2020
N.Pal "How much is my car worth? a methodology for predictiong used cars prices using random forest" 2018
P. Bajaj "Sales prediction using machine learning algorithms" 2020
A.Jain "Complete guide to parameter tuning in XGBoost with codes in Python" 2016
S.Putatunda " A modified bayesian optimization based hyper-parameter tuning approach for extreme gradient boosting" 2019
O.Celik "Prediction of the prices of second-hand cars" 2019