SISTEM INFORMASI PREDIKSI HARGA MOBIL BEKAS MENGGUNAKAN METODE KNN

Abstract

Penetapan harga mobil bekas yang akurat merupakan tantangan bagi penjual dan pembeli mobil bekas. Metode K-Nearest Neighbor (KNN) pada machine learning dipilih karena algoritma ini melakukan pengklasifikasian data berdasarkan jarak terdekat dengan tujuan membantu pengguna dalam menentukan harga terbaik pada mobil bekas. Data yang digunakan berasal dari situs kaggle. Instrumen penelitian berupa dataset yang terdiri dari fitur-fitur mobil seperti merek, model, tahun, jarak tempuh, dan harga. Teknik analisis data menggunakan algoritma KNN untuk melakukan prediksi harga berdasarkan fitur-fitur tersebut. Sistem dikembangkan menggunakan bahasa pemrograman Python dan framework Laravel untuk membuat website. Evaluasi menggunakan metrik Root Mean Squared Error (RMSE) untuk menunjukkan kinerja sistem prediksi yang akurat. Dengan RMSE yang hanya sebesar 1324544.102, menunjukkan bahwa rata-rata kesalahan prediksi harga mobil bekas dapat meleset sekitar angka tersebut dari harga aktual.

Kata kunci— Dataset, Machine Learning, Harga mobil bekas, KNN, RMSE