<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="126075">
 <titleInfo>
  <title>PERBANDINGAN PERFORMA ALGORITMARNEXTREME GRADIENT BOOSTING (XGBOOST)RNDAN RANDOM FOREST DALAM PREDIKSI HARGARNMOBIL BEKAS</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Rizka Nuzulia</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA (S1)</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Perkembangan teknologi yang pesat telah mengubah industri otomotif, terutama dalam&#13;
meningkatkan ketersediaan dan permintaan mobil bekas. Platform daring seperti OLX&#13;
Autos menjadi semakin populer, terutama selama pandemi, karena memudahkan&#13;
transaksi antara pembeli dan penjual. Namun, menetapkan harga mobil bekas tetap&#13;
menjadi tantangan. Oleh karena itu, machine learning dapat menjadi salah satu solusi&#13;
yang dapat dilakukan, khususnya algoritma Extreme Gradient Boosting (XGBoost) dan&#13;
Random Forest, untuk memprediksi harga mobil bekas. XGBoost mengurangi&#13;
overfitting dan meningkatkan akurasi prediksi melalui teknik regularisasi, sementara&#13;
Random Forest menggabungkan beberapa model untuk menghasilkan prediksi yang&#13;
lebih akurat dan stabil. Dataset yang digunakan merupakan data hasil crawling dan&#13;
scraping situs mobil bekas OLX Indonesia. Hasil evaluasi prediksi menunjukkan&#13;
bahwa model Random Forest memiliki performa yang sangat baik dengan konfigurasi&#13;
hyperparameter n_estimators = 100, random_state = 0, min_samples_leaf = 1,&#13;
max_features = 0.3, n_jobs = -1, dan oob_score = True mencapai nilai R-squared&#13;
sebesar 0.9485 dengan waktu pengujian sebesar 120 ms.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>126075</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-07-22 12:50:20</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-07-22 16:03:21</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>