Eksplorasi Spesifikasi dan Lokasi Bangunan untuk Prediksi Harga Properti dengan Metode Regresi Berbasis Time Series

Alhafish, Rayhan Daffa (2024) Eksplorasi Spesifikasi dan Lokasi Bangunan untuk Prediksi Harga Properti dengan Metode Regresi Berbasis Time Series. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000227-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (2MB) | Request a copy

Abstract

Properti residensial ataupun tempat tinggal merupakan salah satu kebutuhan pokok yang sangat penting bagi setiap individu untuk dapat bertahan hidup dari segala macam cuaca yang ada di dunia ini. Meningkatnya populasi masyarakat di suatu negara menjadi indikasi bahwa kebutuhan tempat tinggal akan terus meningkat. Salah satu negara yang memiliki populasi terbanyak adalah Amerika Serikat, yaitu sebesar 338 juta jiwa. Berdasarkan hal tersebut, kebutuhan akan properti juga terus meningkat sehingga adanya kesulitan harga properti pada banyak properti dalam suatu negara. Metode regresi berbasis time-series sudah banyak digunakan untuk memprediksi atau mengestimasi sesuatu maupun menganalisis hubungan antar variabel.
Oleh karena itu, pada penelitian ini dilakukan dengan tujuan memprediksi harga properti dengan menggunakan sebuah data penjualan perumahan di Ames,Iowa, Amerika Serikat dari tahun 2006 hingga 2010 serta melihat pengaruh inflasi terhadap pergerakan harga properti. Penelitian ini melakukan prediksi dengan menggunakan beberapa model regresi berbasis time series untuk menentukan sebuah harga properti. Metode regresi berbasis time series yang digunakan pada penelitian ini adalah Autoregressive Moving Average (ARIMA) dan Long-term Short Memory (LSTM). Hasil prediksi menunjukkan bahwa metode ARIMA ketika diterapkan pada seluruh fitur yang ada, memberikan hasil terkecil pada Mean Absolute Error (MAE) sebesar 14857,14 dan Mean Square Error (MSE) sebesar 388353558,96. Selain itu, ditemukan juga bahwa tidak terdapat bukti yang menunjukkan pengaruh signifikan inflasi terhadap pergerakan harga properti.

==================================================================================================================================

Residential property or residence is one of the most important basic needs for every individual to be able to survive all kinds of weather in this world. The increasing population of people in a country is an indication that the need for housing will continue to increase. One of the countries with the most population is the United States, which is 338 million people. Based on this, the need for property also continues to increase, leading to difficulties in property prices in many areas of a country. Time-series-based regression methods have been widely used to predict or estimate something or to analyze the relationship between variables.
Therefore, this research aims to predict property prices using data from housing sales in Ames, Iowa, the United State of America from 2006 to 2010 and looking at the effect of iflation on property prices movement. This research makes predictions using several time-series-based regression models to determine property prices. The time-series-based-regression methods used in this research are Autoregressive Moving Average (ARIMA) and Long-term Short Memory (LSTM). The prediction results indicate that the ARIMA method, when applied to all variable features, yields a smallest Mean Absolute Error (MAE) of 14857,14 dan Mean Square Error (MSE) of 388353558,96. Additionally, it was also found that there iss not evidence indicating a significant impact of inflation on property price movements.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kata kunci: Properti residensial, Spesifikasi Bangunan, Inflasi, Amerika Serikat, Prediksi, Regresi, time-series, ARIMA, LSTM, MAE, MSE. Keywords: Residential property, Building Specifications, Inflation, United States of America, Prediction, Regression, time-series, ARIMA, LSTM , MSE, MAE.
Subjects:	H Social Sciences > HA Statistics > HA30.3 Time-series analysis Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Rayhan Daffa Alhafish
Date Deposited:	06 Feb 2024 07:51
Last Modified:	06 Feb 2024 07:51
URI:	http://repository.its.ac.id/id/eprint/106319

Actions (login required)

View Item