Model Prediksi Nilai Jual Apartemen Berbasis Gross Income Multiplier dan Machine Learning

Abstract

Perkembangan teknologi big data telah mendorong peningkatan akurasi dalam penilaian properti melalui pendekatan Machine Learning (ML). Tujuan penelitian ini mengevaluasi kinerja model ML dalam memprediksi harga jual apartemen di Kota Surabaya. Selain itu, penelitian ini menggunakan Gross Income Multiplier (GIM) sebagai indikator investasi properti untuk menilai konsistensi hasil prediksi harga jual yang dihasilkan oleh model terbaik. Data dikumpulkan melalui teknik web scraping dari situs listing apartemen di Surabaya dalam rentang waktu 19 September - 21 Oktober 2024. Dua model ML, yaitu Linear Regression (LR) dan Artificial Neural Network (ANN), dikembangkan menggunakan IBM SPSS Modeler dan dievaluasi menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa ANN memiliki kinerja prediksi lebih baik dibandingkan LR, dengan variabel "luas bangunan" sebagai prediktor paling signifikan terhadap harga jual apartemen. Selanjutnya, ANN dianalisis menggunakan GIM sebagai indikator berbasis pendapatan sewa untuk mengevaluasi kewajaran nilai investasi. Hasil perbandingan menunjukkan bahwa median harga jual hasil prediksi ANN relatif konsisten dengan nilai GIM historis. Temuan ini menunjukkan ANN tidak hanya efektif dalam prediksi harga jual, tetapi juga berpotensi untuk analisis kelayakan investasi properti. Integrasi model ML dalam sistem penilaian properti diharapkan apat meningkatkan efisiensi pengambilan keputusan bagi investor dan pengembang serta mendukung perencanaan kota berbasis data di sektor perumahan vertikal.