STUDI KASUS

MACHINE LEARNING

Di Susun Oleh :
Nama : Sauca Dharma Duta
NIM : 52200611041
Kelas : Coding & Machine Learning D

PROGRAM STUDI TEKNIK INDUSTRI

UNIVERSITAS TEKNOLOGI YOKYAKARTA
2022
 Estimasi Harga Rumah

Data harga harga rumah yang di dapatkan dari web https://www.kaggle.com/quantbruce/real-

estate-price-prediction kemudian di olah menggunakan software Rapidminer dengan
menggunakan operator split data, linear regresion untuk membuat model dan mengistimasi
harga rumah. Langkah – Langkah membuat model adalah sebagai berikut:
Pertama masukan data harga rumah ke dalam rapid miner, lalu masukan Operator Read CSV
dan change role kolom Y house pricing dengan label, lalu masukan operator Split Data,
tambahkan 2 enumerasi. Pertama dengan 0.95 dan kedua dengan 0.05, lalu masukan operator
Linear Regresion(Regresion) dan Apply Model biarkan dalam kondisi default, lalu masukan
operator performance
Berikut adalah gambar dari pengolahan operator rapid miner

Berikut adalah hasilnya

Dalam model ini digunakan metode linear regression dalam menetukan estimasi harga rumah
dengan cara menganalisis hubungan antar variable,dan di dapatkan prediksi estimasi harga
rumah.
 Klasifikasi
Untuk melakukan klasifikasi data kita mengolah data menggunakan software Rapidminer
dengan menggunakan operator Naive Bayes dengan Decision Tree dan Neural Nets.
Berikut adalah pengolahan data menggunakan Rapidminer
Hasil pengolahan data dengan operator naïve bayes dan decision tree Pertama masukan data
yang akan di olah

Masukan operator naive bayes

Masukan operator apply mode
Masukan operator performance

Dari pengolahan data di atas dengan metode naïve bayes di dapatkan accuracy 92,20%
Pengolahan menggunanakan decision tree

Dari hasil pengolahan data dengan metode decision tree didapatkan accurency 99.80%
Pengolahan data menggunanakan operator Neural Net
Pertama masukan data yang akan diolah dan masukan operator neural net

Kemudian isikan pada parameters

Pada hidden layers isikan

Setelah itu run lalu akan muncul hasilnya