Prediksi Harga Rumah di Jakarta Menggunakan Pendekatan Hybrid K-Means Clustering dan Decision Tree

kasih siregar; Andini Nurjannah; Citra  Ayuningtyas; Bagas Try Atmaja; Dedy  Hartama

Authors

kasih siregar STIKOM Tunas Bangsa
Andini Nurjannah STIKOM Tunas Bangsa
Citra Ayuningtyas STIKOM Tunas Bangsa
Bagas Try Atmaja STIKOM Tunas Bangsa
Dedy Hartama STIKOM Tunas Bangsa

Keywords:

Harga Rumah, K-Means Clustering, Decision Tree, Prediksi Harga Rumah, Machine Learning

Abstract

Harga rumah merupakan salah satu aspek penting dalam sektor properti yang dipengaruhi oleh berbagai karakteristik, seperti lokasi, luas tanah, luas bangunan, jumlah kamar, dan fasilitas pendukung. Penelitian ini bertujuan untuk menganalisis pengaruh penambahan informasi hasil clustering terhadap performa prediksi harga rumah di Jakarta menggunakan pendekatan Hybrid K-Means Clustering dan Decision Tree. Dataset yang digunakan adalah Jakarta House Price Dataset yang diperoleh dari Kaggle dengan jumlah 10.000 data rumah. Tahapan penelitian meliputi pembersihan data, penanganan outlier menggunakan metode Interquartile Range (IQR), transformasi data, pembentukan cluster menggunakan algoritma K-Means, serta pembangunan model prediksi menggunakan Decision Tree. Hasil penelitian menunjukkan bahwa model hybrid memperoleh nilai RMSE sebesar 2.097.559.711 dan R² sebesar 0,6044, yang lebih baik dibandingkan model Baseline Decision Tree. Sementara itu, proses clustering menghasilkan tiga cluster dengan nilai Silhouette Score sebesar 0,1436, yang menunjukkan bahwa kualitas pemisahan antar cluster masih tergolong rendah, namun tetap mampu memberikan informasi tambahan sebagai fitur pada model prediksi. Hasil analisis juga menunjukkan bahwa luas tanah dan luas bangunan merupakan faktor yang paling berpengaruh terhadap harga rumah. Dengan demikian, pendekatan Hybrid K-Means Clustering dan Decision Tree dapat digunakan sebagai alternatif dalam prediksi harga rumah, meskipun kualitas clustering masih perlu ditingkatkan pada penelitian selanjutnya.

Downloads

Download data is not yet available.

References

N. Septiani and R. Herdiana, “Penerapan Algoritma K-Means Clustering Untuk Harga Rumah di Jakarta Selatan Nuraeni Septiani Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) IKMI Cirebon Saeful Anwar Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) IKMI Cirebon,” Trending J. Ekon. Akunt. dan Manaj., vol. 1, no. 2, pp. 35–47, 2023.

A. Suderajat, A. Z. Kamalia, and D. Afandi, “Segmentasi Harga Pasar Properti Rumah Menggunakan Algoritma K-Means Berdasarkan Lokasi, Harga dan Luas Bangunan,” DINAMIK, vol. 30, no. 11, pp. 1–10, 2025.

B. G. Aji, D. C. A. Sondawa, M. R. Gifari, and S. Wijayanto, “Penerapan Algoritma K-Means Untuk Clustering Harga Rumah Di Bandung,” J. Ilm. Inform. Glob., vol. 14, no. 2, pp. 17–23, 2023, doi: 10.36982/jiig.v14i2.3189.

R. A. Saputra and A. Pratama, “Implementasi Decision Tree Untuk Prediksi Harga Rumah Di Daerah Tebet,” J. Inf. Syst. Manag., vol. 6, no. 2, pp. 164–170, 2025, doi: 10.24076/joism.2025v6i2.1928.

N. N. Sari, T. T. Anisah, and R. Fitriani, “Implementasi Machine Learning Untuk Prediksi Harga Laptop Menggunakan Algoritma Regresi Linear Berganda,” J. Manaj. Inform., vol. 14, no. 2, pp. 162–177, 2024, doi: 10.34010/jamika.v14i2.12923.

Z. Huang and G. Lai, “A House Price Prediction Model Based on K-means Clustering and Random Forest in Guangzhou,” Front. Business, Econ. Manag., vol. 10, no. 2, pp. 377–381, 2023, doi: 10.54097/fbem.v10i2.11077.

A. Hjort, I. Scheel, D. E. Sommervoll, and J. Pensar, “Locally interpretable tree boosting: An application to house price prediction,” Decis. Support Syst., vol. 178, no. September 2023, p. 114106, 2024, doi: 10.1016/j.dss.2023.114106.

S. Lahmiri, S. Bekiros, and C. Avdoulas, “A comparative assessment of machine learning methods for predicting housing prices using Bayesian optimization,” Decis. Anal. J., vol. 6, no. November 2022, p. 100166, 2023, doi: 10.1016/j.dajour.2023.100166.

M. Salsabila, R. P. Adiwijaya, and L. N. Octavia, “Implementasi Machine Learning Untuk Memprediksi Harga Rumah Dengan Menggunakan Metode Decision Tree Regressor Dan Random Forest Regressor,” Setrum Sist. Kendali-Tenaga-elektronika-telekomunikasi-komputer, vol. 14, no. 1, p. 46, 2025, doi: 10.62870/setrum.v14i1.31025.

V. R. Maulani, M. A. Barata, and P. E. Yuwita, “A Improving House Price Clustering Results with K-means through the Implementation of One-hot Encoding Pre-processing Technique,” J. Appl. Informatics Comput., vol. 9, no. 3, pp. 741–748, 2025, doi: 10.30871/jaic.v9i3.9481.

B. A. Ghaisani, G. A. Damayanti, R. M. A. Rani, N. Fitri, and W. Steven, “Pemodelan Klasifikasi Kategori Harga Rumah Menggunakan Algoritma Decision Tree dengan Pendekatan CRISP-DM,” J. Inform., vol. 11, no. 2, 2025.

S. Muchammad Rosyid Aridho, A. Hasna Khaira Aswha, T. Dwi Wahyuni, and A. Arum Sari, “Analisis Faktor yang Mempengaruhi Harga Rumah Menggunakan Decision Tree,” Pros. Semin. Nas. Teknol. Inf. dan Bisnis, pp. 386–392, 2025, doi: 10.47701/f1bwa603.

H. A. Maulana, N. Fitriyah, D. El Baradei, F. Ardiyanto, and M. Arifin, “Analisis Data Pendidikan Menggunakan Metode Data Mining dengan Algoritma Decision Tree dan K-Means Clustering,” J. Tek. Inform., vol. 6, no. 1, 2026.

L. Oluwaseye Joel, W. Doorsamy, and B. Sena Paul, “A Review of Missing Data Handling Techniques for Machine Learning,” Int. J. Innov. Technol. Interdiscip. Sci., vol. 5, no. 3, pp. 971–1005, 2022, [Online]. Available: https://doi.org/10.15157/IJITIS.2022.5.3.971-1005

T. P. Kaloka, A. Marta, and N. D. Syofrin, “K-Means and Decision Tree Models for Analysis Students Perception of Digital Marketing,” Indones. J. Mach. Learn. Comput. Sci., vol. 6, no. April, pp. 453–461, 2026.