Perpustakaan Digital ITB

Terdapat banyak model pembelajaran mesin yang digunakan dalam memprediksi kemungkinan terjadinya suatu kejadian. Salah satu kasus penggunaan model pembelajaran mesin tersebut adalah memprediksi harga barang. Terdapat beberapa model pembelajaran mesin yang diimplementasikan untuk melakukan prediksi harga barang baik model yang bersifat linier maupun model non-linier. Pemilihan model ini bergantung pada struktur dataset yang dimiliki dan juga output yang diharapkan. Pada Tugas Akhir ini, telah dilakukan perbandingan model pembelajaran mesin decision tree regression dengan random forest untuk memprediksi harga barang wearable pada Shopee. Pada proses ini juga dieksperimenkan metode untuk meningkatkan kinerja model pembelajaran mesin. Perbandingan model tersebut dilakukan melalui perbandingan metrik root mean square error dan mean absolute error terhadap nilai tengah dataset. Proses implementasi yang terlibat dalam perbandingan model adalah pembagian dataset secara k-fold cross-validation dan penambahan dataset secara over sampling. Setelah diimplementasikan metode tersebut, maka dilakukan perbandingan model pembelajaran mesin. Berdasarkan hasil pengujian, didapatkan bahwa model random forest dengan hyperparameter tuning memberikan hasil yang lebih optimal yang dilihat dari keseluruhan dataset untuk nilai perbandingan mean absolute error terhadap nilai tengah yang bernilai 0,567 dan nilai perbandingan root mean square error terhadap nilai tengah yang bernilai 1,053. Namun, pada model decision tree regression dengan hyperparameter tuning, didapatkan dari keseluruhan dataset untuk nilai perbandingan mean absolute error terhadap nilai tengah yang bernilai 0,901 dan perbandingan nilai root mean square error terhadap nilai tengah yang bernilai 1,426