Penerapan Metode Regresi Linear Berganda Untuk Prediksi Harga Smartphone Android Menggunakan Python
Keywords:
Python, Smartphone, Regresi linier bergandaAbstract
Pada era digital saat ini, prediksi harga smartphone menjadi penting bagi produsen, konsumen, dan pengambil keputusan di industri teknologi. Tujuan dari penelitian ini adalah untuk mengembangkan model prediksi harga smartphone Android berdasarkan fitur-fitur yang dianalisis menggunakan analisis regresi berganda dan bahasa pemrograman Python. Penelitian ini menggunakan data dari 90 smartphone Android yang dijual secara online. Beberapa variabel, seperti tinggi, berat, ukuran, kapasitas baterai, ram, dan penyimpanan digunakan sebagai variabel independen, dan harga smartphone digunakan sebagai variabel dependen. Hasil analisis menunjukkan bahwa model regresi linier berganda dapat digunakan dalam memprediksi harga smartphone. Pembacaan model menggunakan koefisien regresi, intercept, mean absolute error,mean squared error,root mean squared error, dan nilai p untuk menilai tingkat kepentingan dan kualitas model. Perhitungan teknik regresi linear berganda untuk memprediksi harga smartphone menghasilkan mae senilai 46, mse senilai 3891, dan rmse senilai 62. Model ini dapat digunakan untuk memprediksi harga smartphone berdasarkan spesifikasi tertentu. Sebagai contoh, sebuah model dengan tinggi 165mm, berat 201g, layar 6,5 inci, baterai 4000mah, spesifikasi ram 8GB, dan penyimpanan 64GB diperkirakan akan dibanderol dengan harga $157 atau sekitar Rp2.355.000. Penelitian ini bertujuan untuk memberikan kontribusi pada analisis data smartphone dan prediksi harga. Produsen, penjual, dan konsumen dapat menggunakan hasil penelitian ini untuk menginformasikan harga, pemasaran, dan keputusan pembelian smartphone mereka. Selain itu, penelitian ini juga dapat menstimulasi penelitian dan pengembangan lebih lanjut di bidang analisis data dan peramalan harga.
References
Susanto, Sani dan Suryadi, Dedy, 2010, Pengantar Data Mining Mengali Pengetahuan dari Bongkahan Data, CV ANDI Offset, Yogyakarta..
Puteri, K., & Silvanie, A. (2020). Machine Learning Untuk Model Prediksi Harga Sembako Dengan Metode Regresi Linear Berganda. Jurnal Nasional Informatika (JUNIF), 1(2), 82-94.
Boy, A. F. (2020). Implementasi Data Mining Dalam Memprediksi Harga Crude Palm Oil (CPO) Pasar Domestik Menggunakan Algoritma Regresi Linier Berganda (Studi Kasus Dinas Perkebunan Provinsi Sumatera Utara). Journal of Science and Social Research, 3(2), 78-85.
Himawan, I., Nurdiawan, O., & Dwilestari, G. (2022). Irvan Himawan Prediksi Harga Saham Dengan Algoritma Regresi Linier Dengan Rapidminer. JURSIMA (Jurnal Sistem Informasi dan Manajemen), 10(3), 239-247.
T. Khotimah dan R. Nindyasari, “Forecasting dengan metode regresi linier pada sistem penunjang keputusan untuk memprediksi jumlah penjualan batik (studi kasus: Kub Sarwo Endah Batik Tulis Lasem),” J. Mantik Penusa, vol. 1, no. 1, hlm. 71–92, 2017.
N. Kusumawati, F. Marisa, I. D. Wijaya, dan U. W. Malang, “Prediksi kurs rupiah terhadap dolar Amerika dengan menggunakan metode regresi linear,” JIMP - J. Inform. Merdeka Pasuruan, vol. 2, no. 3, hlm. 45–56, 2017.
M. Hakimah, R. R. Muhima, dan A. Yustina, “Rancang bangun aplikasi persediaan barang dengan metode trend projection,” SimanteC, vol. 5, no. 1, 2015.
Mona, M., Kekenusa, J., & Prang, J. (2015). Penggunaan regresi linear berganda untuk menganalisis pendapatan petani kelapa. studi kasus: petani kelapa di desa Beo, kecamatan Beo kabupaten Talaud. d'CARTESIAN: Jurnal Matematika dan Aplikasi, 4(2), 196-203. “PDCA12-70 data sheet,” Opto Speed SA, Mezzovico, Switzerland.
Priambodo, R., & Kadarina, T. M. (2020). Pelacakan Lokasi Pasien berbasis Internet of Things untuk Sistem Pendukung Layanan Kesehatan Ibu dan Anak. INOVTEK Polbeng - Seri Informatika, 5(2). https://doi.org/10.35314/isi.v5i2.1509.
Sodik, F., Dwi, B., & Kharisudin, I. (2020). Perbandingan Metode Klasifikasi Supervised Learning pada Data Bank Customers Menggunakan Python. Jurnal Matematika, 3, 689–694.
Sholeh, M. (2022). Penerapan Regresi Linear Ganda Untuk Memprediksi Hasil Nilai Kuesioner Mahasiswa Dengan Menggunakan Python. Jurnal Dinamika Informatika, 11(1), 13-24.
