ANALISIS PERBANDINGAN ALGORITMA LASSO REGRESSION, RANDOM FOREST, DAN GRADIENT BOOSTING DALAM MEMPREDIKSI HARGA MOBIL

Di tengah laju transformasi digital yang semakin cepat, ketersediaan data telah berkembang secara signifikan, memungkinkan pemanfaatannya di berbagai sektor, termasuk industri otomotif. Pertimbangan penting dalam bidang ini adalah menentukan harga jual kendaraan bekas, yang biasanya dipengaruhi oleh berbagai faktor seperti tahun produksi, jarak tempuh, jenis bahan bakar, tipe transmisi, dan riwayat kepemilikan. Penentuan harga yang tepat dan akurat tidak hanya penting bagi pembeli dan penjual, tetapi juga bagi platform jual beli kendaraan yang ingin memberikan sesuatu yang menarik kepada pembeli mereka. Penelitian ini bertujuan untuk menentukan indikator yang digunakan serta melakukan analisis performa algoritma prediksi dalam memprediksi harga mobil. Metode yang digunakan adalah metode analisis kuantitatif, dengan tahapan studi literatur, pengumpulan data, input data, pemahaman data, pre-processing data, modelling, dan evaluation. Tools yang digunakan meliputi Python sebagai bahasa pemrograman, Google Colab sebagai platform untuk menulis kode Python. Hasil pengujian menggunakan performance metrics menunjukkan bahwa semua algoritma cukup baik performanya. Dengan berfokus mengambil tiga algoritma yaitu Lasso Regression, Random Forest, dan Gradient Boosting. Dengan demikian, bisa disimpulkan bahwa algoritma Gradient Boosting merupakan algoritma yang paling akurat di antara algoritma lainnya berdasarkan nilai pengujian performance metrics, dengan nilai R-squared 0.9655 yang paling tinggi di antara lainnya, sedangkan nilai RMSE (Root Mean Square Error) sebesar 0.8918 dan MAPE (Mean Absolute Percentage Error) sebesar 13.78%, di mana nilai tersebut merupakan yang terendah jika dibandingkan dengan hasil dari model algoritma lainnya yang telah diuji.

Kata kunci: Harga Mobil, Google Colab, Lasso Regression, Random Forest, Gradient Boosting