BSINews, Solo — Dua rumah dengan ukuran hampir sama bisa dijual dengan harga yang sangat berbeda. Pertanyaannya, apa yang membuat harganya naik atau turun? Jawaban ini mulai terkuak berkat penerapan algoritma machine learning Random Forest dalam penelitian prediksi harga rumah.
Riset yang dilakukan Ahmad Fauzi, dosen Universitas Bina Sarana Informatika (UBSI), menggunakan lebih dari 5.000 data penjualan rumah dari berbagai wilayah. Hasil analisis menunjukkan bahwa lokasi menyumbang 45% pengaruh terhadap harga rumah, disusul luas bangunan sebesar 30%, jumlah kamar tidur dan kamar mandi 15%, serta kondisi lingkungan seperti akses jalan, fasilitas umum, dan tingkat kebisingan sekitar 10%.
Machine Learning Ungkap Faktor Utama Penentu Harga Rumah di Perkotaan
“Rumah dengan luas 100 m² bisa dijual Rp800 juta di kawasan pinggiran, tetapi bisa tembus Rp1,5 miliar jika berada dekat pusat kota. Itu menunjukkan betapa dominannya faktor lokasi,” ungkap Ahmad dalam keterangan tertulis, Kamis (21/8).
Model Random Forest yang digunakan juga memiliki tingkat akurasi cukup tinggi, yakni 92%, jauh di atas metode regresi linear biasa yang hanya mencapai sekitar 75%. Dengan angka ini, prediksi harga rumah yang dihasilkan lebih bisa diandalkan untuk membantu pembeli maupun penjual dalam mengambil keputusan.
“Machine learning bukan hanya tren teknologi, tetapi alat nyata untuk mengurangi risiko salah beli atau salah pasang harga. Dengan data, semua bisa lebih transparan,” tambah Ahmad.
Baca juga : 27 Ribu Kali Lebih Cepat! Naive Bayes Bikin Model AI Modern Kelabakan
Hasil penelitian ini menegaskan bahwa meski dua rumah terlihat sama, harga jualnya bisa berbeda jauh karena kombinasi faktor-faktor kunci yang kini bisa diungkap secara ilmiah.
Melalui pemanfaatan teknologi kecerdasan buatan, UBSI yang dikenal sebagai Kampus Digital Kreatif terus mendorong mahasiswa dan dosen untuk menghasilkan riset terapan yang langsung menyentuh kebutuhan masyarakat, termasuk dalam sektor properti yang kini semakin dinamis.
