Perbandingan Estimasi Harga Sewa Airbnb di Kota New York Metode Random Forest, XGBoost, dan LightGBM

Perkembangan teknologi seluler dan internet telah membawa perubahan signifikan dalam praktik penginapan dan memungkinkan terciptanya pasar virtual antara pemilik penginapan dan tamu. Salah satu contohnya adalah Airbnb, sebuah platform penyewaan akomodasi yang populer. Namun, meskipun sudah banyak digunakan, aplikasi Airbnb belum memiliki sebuah sistem yang dapat memberikan estimasi harga sewa untuk membantu pelanggan dalam mempertimbangkan harga sewa yang ditawarkan oleh penyewa. Oleh sebab itu,
penelitian ini bertujuan untuk mengestimasi harga penginapan berbasis pelanggan yang didasarkan pada beberapa faktor penting seperti daerah, fasilitas, jenis kamar, ulasan, dan faktor lainnya. Data penelitian ini diambil dari himpunan data yang disediakan oleh Inside Airbnb, dan analisis dilakukan dengan menggunakan teknik machine learning dengan menggunakan algoritma Random Forest, XGBoost, dan LightGBM. Tahapan penelitian meliputi pemahaman data, pra-pemprosesan data, analisis data, pemodelan, evaluasi model, dan estimasi harga sewa. Dari hasil ketiga metode tersebut, metode regresi XGBoost
menunjukkan hasil terbaik dengan nilai Mean Cross-Validation MAE sebesar 0,2499, RMSE sebesar 0,3588, dan � sebesar 0,8001. Diharapkan bahwa hasil 2 dari penelitian ini dapat membantu pelanggan dalam mengestimasi harga sewa ruangan Airbnb.