Pemodelan Harga Rumah di Jakarta

Selatan dengan Menggunakan Metode

Multivariate Adaptive Regression
Splines (MARS)
Data yang digunakan untuk project akhir pada mata kuliah
Analisis Data ini adalah Data Harga rumah Jakarta Selatan
yang di rilis oleh Wildan Adhitya Geraldine pada tahun 2020.
Data tersebut didapatkan dari website
https://www.kaggle.com/

Identifikasi Variabel
Pada analisis menggunakan 4 variabel prediktor dan 1 variabel respon
Berikut merupakan variabel-variabel yang digunakan sebagai variabel respon dan
variabel prediktor
Y: Harga Jual Rumah (Miliar Rupiah)
X1 : Luas Tanah (m2)
X2 : Luas Bangunan (m2)
X3 : Jumlah Kamar Tidur (Ruang)
X4 : Jumlah Kamar Mandi (Ruang)

Langkah-langkah menganalisis
menggunakan metode MARS

1. Melihat kenormalan data yang akan dianalisis

2. Untuk melakukan analisis dengan menggunakan Multivariate Adaptive
Regression Spline (MARS) langkah yang harus kita lakukan pertama
yaitu input data pada Google Collab, jika kita menggunakan software
Google Collab
3. Selanjutnya kita install package py-earth library untuk membuat
model MARS
4. Melihat type data pada variabel-variabel yang ada pada data yang
digunakan.
5. Melihat korelasi antar variabel
6. Melakukan pembagian data menjadi data testing dan data training
7. Model MARS
8. Evaluasi Model

Model Mars
MARS = 8,39 + 1,36 * h(LB-1600) – 2,81 * h
(1600-LB) – 2,45 * h (2131-LT) + 1,33 * h (933-
LT)
GCV = 175655904731524164192,0
MSE = 170858577295895461888,0
RSQ = 0,59
GRSQ = 0,58
Pemilihan model terbaik adalah jika nilai GCV
dari model tersebut mempunyai nilai yang
paling rendah diantara model-model lainnya

Evaluasi Model
Berdasarkan output diatas dapat disimpulkan
bahwa sebanyak 55% volume harga rumah (Y)
dapat dijelaskan oleh luas tanah (X1 ), luas
bangunan (X2 ), jumlah kaar tidur (X3 ), jumlah
kamar mandi (X4).

Pemodelan Harga Rumah di Jakarta Selatan dengan

Menggunakan Metode Multivariate Adaptive Regression
Splines (MARS) adalah MARS = 8,39 + 1,36 * h(LB-1600) –
2,81 * h (1600-LB) – 2,45 * h (2131-LT) + 1,33 * h (933-LT)
dengan nilai GCV = 175655904731524164192,0 , nilai MSE
= 170858577295895461888,0 , nilai RSQ = 0,59 , dan nilai
GRSQ = 0,58