PREDIKSI HARGA TANAH MENGGUNAKAN MACHINE LEARNING ALGORITMA REGRESI LINIER

Penentuan harga tanah secara konvensional di Kota Surakarta masih bersifatmanual, subjektif penilaian pribadi yang cenderung mengikuti harga tanah di sekitarlokasi, dan tidak efisien untuk data berskala besar. Penelitian ini bertujuanmengimplementasikan algoritma Regresi Linier Berganda untuk memprediksiharga tanah berdasarkan karakteristik fisik dan lingkungan. Data yang digunakanadalah 1.923 catatan penawaran dan transaksi tanah tahun 2021–2024 dari KantorPertanahan Kota Surakarta. Metodologi yang digunakan adalah CRISP-DM yangterdiri dari enam tahapan: pemahaman bisnis, pemahaman data, persiapan datamulai dari pembersihan, normalisasi, dan split data menjadi 80% data latih dan 20%data uji, pemodelan, evaluasi, dan deployment.Fitur yang digunakan meliputi luas tanah, lebar jalan, jarak ke pusat kotayang berasal dari turunan koordinat X,Y, luas bangunan, jumlah lantai, dan kelasjalanِ (one‑hotِ encoding).ِ Hasilِ penelitianِ menunjukkanِ modelِ mencapai R² =0,7767, RMSE = Rp 684,3 juta, dan MAE = Rp 503,9 juta. Nilai RMSE lebih kecildari standar deviasi harga tanah Rp 1.493.000.000 sehingga model dinyatakan baik.Koefisien model menunjukkan bahwa luas bangunan dan luas tanah memilikipengaruh positif terbesar, sementara jarak ke pusat kota berpengaruh negatif.Prototype prediksi berbasis Streamlit telah dideploy untuk memudahkan penggunamemasukkanِ parameterِtanahِ danِmendapatkanِ estimasiِ hargaِ secaraِ real‑time.ِPenelitian ini memberikan kontribusi berupa model prediksi yang objektif, cepat,dan mudah diinterpretasikan di instansi pemerintah dan praktisi properti dalampengambilan keputusan.