Real estat mencakup beragam aktivitas mulai dari pengelolaan properti komersial dan pengembangan lahan hingga penjualan dan pembelian properti. Memahami faktor-faktor yang mempengaruhi bisnis real estate, khususnya di lokasi perkotaan seperti Paris sangat penting dalam pengambilan keputusan bagi pemegang saham. Kapasitas untuk memperkirakan harga real estat secara akurat mendorong pengambilan keputusan yang lebih baik di seluruh industri, sehingga menghasilkan pasar real estat yang lebih stabil dan efisien. Untuk melakukan penelitian kuantitatif, data dikumpulkan dari pengumpulan data manual dari website agen real estate Paris dengan cara mengumpulkan 22 entri (7 variabel dicatat untuk setiap properti) dengan total 154 observasi. Penelitian ini mempelajari algoritma pembelajaran mesin untuk membuat analisis komprehensif yang menganalisis faktor-faktor yang mempengaruhi nilai real estate menggunakan Hedonic Pricing Model (HPM). Lima faktor yang diperiksa: lokasi di Paris (kode pos), permukaan (m2), jumlah ruangan dan lantai, akses transportasi umum, jenis real estate. Hasil yang diperoleh menunjukkan hubungan positif yang tinggi pada masing-masing parameter nilai real estat: beberapa dengan ukuran permukaan dan jumlah ruangan, sedangkan akses terhadap transportasi umum menunjukkan sedikit korelasi negatif. Berdasarkan temuan penelitian, Regresi Ridge adalah model yang paling efektif dengan memberikan prediksi yang andal dengan tingkat kesalahan yang lebih rendah dibandingkan teknik regresi lainnya (Regresi Random Forest dan Lasso), menunjukkan koefisien determinasi (R2) sebesar 0,62 dan Root Mean Square Error (RMSE ) sebesar 345.512,13. Rekomendasi bagi pemangku kepentingan mencakup penggunaan teknologi prediksi harga secara bijaksana, perubahan taktik manajemen risiko, metode optimalisasi investasi, dan perencanaan proyek perkotaan. Di masa depan, peneliti mampu memahami secara kritis keterbatasan analisis dan menggabungkan analisis statistik dengan persepsi manusia dan observasi kualitatif. Tujuan dari penelitian ini adalah untuk membantu para pemangku kepentingan membuat keputusan yang tepat mengenai real estat dengan analisis mendalam dengan menggunakan model prediksi harga.