Prediksi Harga Handphone Berbasis Algoritma Supervised Learning

Abstract

Perkembangan teknologi ponsel yang pesat menyebabkan meningkatnya variasi spesifikasi dan harga di pasar, sehingga menimbulkan tantangan dalam menentukan harga yang sesuai untuk perangkat baru maupun bekas. Penelitian ini bertujuan untuk membangun model prediksi harga ponsel menggunakan algoritma supervised learning. Beberapa fitur utama yang digunakan meliputi spesifikasi teknis seperti kapasitas RAM, penyimpanan internal, ukuran layar, resolusi kamera, dan jenis prosesor. Metodologi yang diterapkan mencakup eksplorasi data, pra-pemrosesan, serta pelatihan dan evaluasi model menggunakan algoritma regresi linier, decision tree, dan random forest. Evaluasi performa dilakukan menggunakan metrik seperti Mean Absolute Error (MAE), Mean Squared Error (MSE), dan R² Score.  Percobaan ini menggunakan data yang diunduh dari Kaggle yang berisi 145 harga dan fitur ponsel. Ditemukan bahwa algoritma regresi linier dan hutan acak dapat memberikan prediksi yang relatif baik untuk ponsel dengan skor MAPE di bawah 10% dan skor R2 di atas 95%. Metode hutan acak memprediksi harga sedikit lebih baik daripada regresi linier. model random forest memberikan performa terbaik dalam memprediksi harga ponsel dengan tingkat akurasi yang tinggi. Temuan ini dapat dimanfaatkan oleh pelaku industri, penjual, maupun konsumen untuk menentukan harga pasar secara lebih objektif dan efisien.   Kata kunci: prediksi harga, supervised learning, ponsel, machine learning, random forest