Nanang Sutisna Primary Author Henderi Additional Author Arko Djajadi, Additional Author mixed material bibliography Tangerang Universitas Raharja 2022 id Indonesia

Text

Potensi riil pendapatan lelang kendaraan dinas roda empat dapat dihitung setelah diketahui nilai wajar atau harga pasarnya. Proses penilaiannya dilakukan oleh Kantor Pelayanan Kekayaan Negara dan Lelang (KPKNL) selaku penilai dan perantara lelang. Proses penilaian tersebut sering kali membutuhkan waktu yang relatif lama sehingga Pemerintah Kota Cilegon kesulitan menentukan potensi pendapatan yang akan dimasukkan ke dalam APBD tahun berikutnya. Penelitian ini bertujuan untuk membuat sebuah model machine learning untuk mempercepat prediksi harga mobil bekas secara akurat yang dapat digunakan untuk menghitung potensi riil pendapatan lelang kendaraan dinas roda empat di Pemerintah Kota Cilegon. Penulis menggunakan pendekatan predictive analytics dengan metode CRISP-DM dalam mengembangkan model machine learning pada penelitian ini. Teknik data engineering dengan metode web scraping digunakan untuk mengekstraksi data dari olx.co.id, mobil123.com, dan carmudi.co.id yang menghasilkan raw dataset 97.905 baris dan clean dataset 67.862 baris. Clean dataset ini kemudian diproses dan digunakan untuk mengembangkan model machine learning menggunakan algoritma Random Forest, KNN, DNN, dan XGBoost. Hasil dari setiap algoritma dibandingkan menggunakan metrik MSE dan R2 untuk mendapatkan akurasi dan performa terbaik. Pada tahap pemodelan, hasil penelitian menunjukkan bahwa model XGBoost memiliki performa terbaik dengan nilai MSE sebesar 26.438.813.044 (ekuivalen dengan selisih Rp.162.600 terhadap nilai riil) pada data training dan 61.455.596.592 (ekuivalen Rp.247.902) pada data testing. Selain itu model XGBoost memiliki nilai akurasi (R2 ) yang sangat tinggi yaitu 99,64% pada data training dan 99.16% pada data testing. Pada tahap pengujian dan penggunaan, model XGBoost mampu menghitung potensi pendapatan lelang dengan total nilai error sebesar 9,32%, yang masuk dalam kategori “Sangat Akurat” (error < 10%). Kata Kunci: CRISP-DM, DNN, KNN, Predictive Analytics, Random Forest, Web Scraping, XGBoost 004 Perpustakaan Universitas Raharja Jl. Jendral Sudirman No. 40 Modern Cikokol Tangerang, Banten 004 SUT k (MTI-2022) S1768 Perpustakaan Raharja (Rak Skripsi) 004 SUT k (MTI-2022) E-Thesis 10824 2022-11-30 10:52:39 2022-11-30 10:53:00 machine generated