Penerapan metode Random Forest pada prediksi penilaian nilai aset KJPP SIG MALANG berbasis web

INDONESIA:

Menyoroti kebutuhan akan metode prediksi harga yang lebih akurat dalam konteks perdagangan aset. Penelitian ini bertujuan untuk mengembangkan aplikasi machine learning yang dapat memprediksi harga aset berdasarkan spesifikasi aset. Metodologi penelitian melibatkan pengambilan data aset dari perusahaan penilaian harga aset, dan penerapan algoritma machine learning Random Forest yang terintegrasi dengan Web GIS untuk memfasilitasi evaluasi Random Forest. Pada rasio data training 70:30, hasil eksperimen menunjukkan hasil maksimal dengan Mean Absolute Percentage Error (MAPE) sebesar 11,29. Hasil ini mengindikasikan bahwa model Random Forest mampu memberikan estimasi harga aset dengan tingkat akurasi yang signifikan. Implikasinya, penelitian ini memberikan kontribusi pada pengembangan metode prediksi harga aset yang lebih handal dan dapat diandalkan dalam konteks perdagangan. Kesimpulannya, Random Forest dapat dijadikan alat yang efektif untuk memprediksi harga aset, membuka potensi penerapan yang luas di berbagai sektor industri.

ENGLISH:

Highlighting the need for more accurate price prediction methods in the context of asset trading, this research aims to develop a machine learning application capable of predicting asset prices based on asset specifications. The research methodology involves obtaining asset data from asset pricing assessment companies and implementing the Random Forest machine learning algorithm integrated with Web GIS to facilitate Random Forest evaluation. With a 70:30 training data ratio, experimental results show a maximum outcome with a Mean Absolute Percentage Error (MAPE) of 11.29. These findings indicate that the Random Forest model can provide asset price estimates with a significant level of accuracy. The implication is that this research contributes to the development of more reliable and dependable asset price prediction methods in the trading context. In conclusion, Random Forest can be an effective tool for predicting asset prices, opening up potential applications across various industrial sectors.

ARABIC:

يسلط الضوء على الحاجة إلى طرق أكثر دقة للتنبؤ بالأسعار في سياق تداول الأصول. يهدف هذا البحث إلى تطوير تطبيقات التعلم الآلي التي يمكنها التنبؤ بأسعار الأصول بناء على مواصفات الأصول. تتضمن منهجية البحث أخذ بيانات الأصول من شركات تقييم أسعار الأصول، وتطبيق خوارزمية التعلم الآلي "الغابات العشوائية" المدمجة مع الموقع الإلكرتروني لنظام المعلومات الجغرافية لتسهيل تقييم الغابات العشوائية. عند نسبة بيانات التدريب 70:30، أظهرت النتائج التجريبية نتائج قصوى مع متوسط النسبة المئوية المطلقة للخطأ (MAPE) من 11.29. أشارت هذه النتائج إلى أن نموذج الغابات العشوائية قادر على توفير تقديرات أسعار الأصول بدرجة كبيرة من الدقة. ضمنيا، يساهم هذا البحث في تطوير طرق أكثر فعالة وموثوقية للتنبؤ بأسعار الأصول في سياق التجارة. في الختام، يمكن أن تكون الغابات العشوائية أداة فعالة للتنبؤ بأسعار الأصول، وإطلاق العنان لإمكانية التطبيق على نطاق واسع في مختلف القطاعات الصناعية.