Penerapan model regresi linear untuk estimasi mobil bekas menggunakan bahasa Python

Syukur, Mohamad Arif Abdul and Faisal, Muhammad ORCID: https://orcid.org/0000-0003-4884-7254 (2023) Penerapan model regresi linear untuk estimasi mobil bekas menggunakan bahasa Python. Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi, 11 (2). pp. 182-191. ISSN 2776-3706

[img]
Preview
Text
17883.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial.

Download (390kB) | Preview

Abstract

Mobil bekas memiliki nilai transaksi yang signifikan dalam pasar otomotif. Estimasi harga mobil bekas menjadi penting bagi pembeli dan penjual untuk menentukan nilai yang sesuai. Dalam penelitian ini, kami menerapkan model regresi linear menggunakan bahasa pemrograman Python untuk memperkirakan harga mobil bekas berdasarkan atribut-atribut yang relevan seperti tahun produksi, capaian kilometer, pajak mobil, konsumsi bahan bakar, dan juga jumlah mesin. Kami menggunakan dataset mobil bekas yang mengandung informasi penting untuk analisis. Dalam menggunakan model regresi linear pada penelitian ini berhasil mendapatakan akurasi sebesar 0,76% dan untuk hasil estimasi harga mobil yang didapatkan dengan inputan tahun mobil = 2019, KM mobil = 5000, pajak mobil = 145, konsumsi BBM = 30,2, dan ukuran mesin = 2. Maka berhasil mendapatkan nilai estimasi sebesar 21.208,505 dalam satuan Pound dan 393.608,6514549 dalam satuan Rupiah. Sehingga dapat dikatakan model regresi linear terbukti berhasil dalam kategori baik untuk mencari estimasi harga mobil bekas berdasarkan faktor tertentu menggunakan bahasa Python.

Item Type: Journal Article
Keywords: Python; regresi; linear; estimasi; harga; data
Subjects: 08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems > 080605 Decision Support and Group Support Systems
Divisions: Faculty of Technology > Department of Informatics Engineering
Depositing User: Muhammad Faisal
Date Deposited: 04 Jan 2024 15:07

Downloads

Downloads per month over past year

Origin of downloads

Actions (login required)

View Item View Item