MODEL PERFORMANCE
Evaluasi Model
Perbandingan performa 4 model regresi pada data uji (20% data, tidak dilihat model saat training)
| MAE | MSE | RMSE | R2 | train_time_sec | |
|---|---|---|---|---|---|
| Linear Regression | 283.150 | 162365.445 | 402.946 | 0.890 | 0.324 |
| Random Forest | 176.192 | 76683.918 | 276.919 | 0.948 | 0.639 |
| XGBoost | 145.839 | 58577.450 | 242.028 | 0.960 | 0.403 |
| LightGBM | 149.285 | 61155.629 | 247.297 | 0.959 | 0.321 |
Perbandingan R² Score
Semakin tinggi, semakin baik model menjelaskan variasi harga.
XGBoost
96.0%
LightGBM
95.9%
Random Forest
94.8%
Linear Regression
89.0%
Aktual vs Prediksi — XGBoost
Arti hasil evaluasi bagi pengambilan keputusan:
RMSE XGBoost ≈ 242 juta pada harga rata-rata ≈ Rp 1,890 juta, atau sekitar 12.8% dari harga rata-rata. R² sebesar 0.960 berarti model menjelaskan 96.0% variasi harga. Model ini layak dipakai sebagai estimasi awal, namun untuk transaksi bernilai besar tetap disarankan konfirmasi dari penilai profesional.
RMSE XGBoost ≈ 242 juta pada harga rata-rata ≈ Rp 1,890 juta, atau sekitar 12.8% dari harga rata-rata. R² sebesar 0.960 berarti model menjelaskan 96.0% variasi harga. Model ini layak dipakai sebagai estimasi awal, namun untuk transaksi bernilai besar tetap disarankan konfirmasi dari penilai profesional.