SMARTPHONE PRICE PREDICTION USING MULTIPLE LINEAR REGRESSION ALGORITHM
Abstract
A cell phone or cell phone is one of the evidences of a product of increasingly advanced technological sophistication, because of its general function. Mobile is a long distance communication tool. But now cellphones can be multifunctional and change all aspects of human life, from reading the news, playing games, shooting, and so on. The cell phone is getting more sophisticated so that people call the new term "Smartphone". More than 50% of the people in the world have a smartphone, because the smartphone is one of the main needs of each individual due to its efficient use. Seeing how many consumers use smartphones, this study aims to predict the price (dependent variable) of a smartphone. This prediction test is based on the specifications of the components (independent variables) on the smartphone. From these independent variables, it is one of the things that prospective smartphone buyers pay close attention to in choosing smartphone products. The technique for predicting the price of a smartphone is using the multiple linear regression algorithm in the machine learning concept. The results obtained in this study are found that the correlation test between the independent variables that affect the dependent variable (price) which is 0.80 in R squared can be said to be a "strong" correlation. Meanwhile, the achievement of forecasting between prediction results and price data is 23.9%, which can be said to be a "Reasonable" forecast achievement according to MAPE calculations.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Widi, A., et al. (2021). PENGARUH PENGENDALIAN JUMLAH PEMBELIAN TERHADAP PENGADAAN MATERIAL DI PT. ANTERO MAKMUR. Jurnal Manajemen Logistik (Vol.1, No 1, Januari 2021, pp. 104-115).
Devi, S. O. P., et al. (2020). Penerapan Data Mining Untuk Memprediksi Pemesanan Bibit Pohon Dengan Regresi Linear Berganda. JURIKOM (Jurnal Riset Komputer) (Vol. 7 No. 1, Februari 2020).
Ghebyla, N. A., & Devi, F. (2019). Penerapan Metode Regresi Linear Untuk Prediksi Penjualan Properti pada PT XYZ. Jurnal Telematika (vol. 14 no. 2, Institut Teknologi Harapan Bangsa, Bandung).
Indarwati, T., Tri I., & Elistya, R. (2018). PENGGUNAAN METODE LINEAR REGRESSION UNTUK PREDIKSI PENJUALAN SMARTPHONE. Jurnal TIKomSiN (Vol. 6, No. 2, Oktober 2018).
Izzah, A., & Ratna, W. (2017). Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression Untuk Pencegahan Data Outlier. KINETIK (Vol. 2, No. 3, Agustus 2017, Hal. 141-150).
Wirawan, D. F. (2019). PEMILIHAN HANDPHONE DENGAN METODE SAW (SIMPLE ADDITIVE WEIGHTING). Artikel Skripsi Universitas Nusantara PGRI Kediri.
Sarip, A. G., et al. (2016). Application Of Fuzzy Regression Model For Real Estate Price Prediction. Malaysian Journal of Computer Science (Vol.29, No.1, 2016).
Widiastuti, I. E., et al. (2020). Pengaruh Kualitas Produk, Harga, dan Citra Merek terhadap Keputusan Pembelian Smartphone iPhone pada Mahasiswa STIM YKPN Yogyakarta. CAKRAWANGSA BISNIS (Vol 1, No 1 (2020): April).
Mangindaan, M. (2020). Analisis Perbandingan Harga Saham PT Garuda Indonesia Persero (Tbk.) Sebelum dan Sesudah Pandemi Covid-19. Jurnal Administrasi Bisnis.
Tesa, N. P., & Riza, I. A. (2019). ANALISIS REGRESI LINIER BERGANDA DALAM ESTIMASI PRODUKTIVITAS TANAMAN PADI DI KABUPATEN KARAWANG. FIBONACCI : Jurnal Pendidikan Matematika dan Matematika (Vol. 5 (2), pp: 117 - 128).
Mu’tasim, M. L., et al. (2021). ANALISIS HARGA RUMAH SESUAI SPESIFIKASI MENGGUNAKAN MULTIPLE LINEAR REGRESSION. Jurnal FIK Upnvj 2021.
Ariyanti, N. D., et al. (2018). PENERAPAN METODE REGRESI LINIER BERGANDA DALAM PRODUKSI PAKAIAN GUNA MENUNJANG SISTEM PENDUKUNG KEPUTUSAN. Jurnal Rekayasa Teknologi Nusa Putra (Vol. 5, No. 1, September 2018 : Hal 34-39).
Shiri, M., & Michel, T. P. (2020). The Smartphone as a Pacifying Technology. Journal of Consumer Research (Vol. 47, No. 1, January 2020).
Asikin, M. N., & Rian, A. (2021). Lima Nama Merek Ponsel Teratas Q2 2021, Siapa Saja?. https://www.jawapos.com/oto-dan-tekno/gadget/26/10/2021/ (diakses pada 21 Juni 2022).
Azizah, N. (2022). Pasar Ponsel Turun, Ini Lima Merek Ponsel Teratas yang Diminati di Indonesia. https://www.republika.co.id/berita/rdkwcy463/ (diakses pada 21 Juni 2022).
Chandra, A. (2018). Beberapa Cara untuk Preprocessing Data dalam Machine Learning.https://medium.com/warung-pintar/beberapa-cara-untuk-preprocessi ng-data-dalam-machine-learning-13cef4294614 (diakses pada 17 Juli 2022).
Shilimkar, G., & Shivam, P. (2021). Disease Prediction Using Machine Learning. IRE Journals (Volume 3 Issue 10, April 2020).
Yuliana, I. S.Pd. M.Pd., & Jonson. (2017). PENGARUH HARGA DAN PROMOSI TERHADAP KEPUTUSAN PEMBELIAN PADA PT.ZUVACE MONDY DI KOTA BATAM. Jurnal Akuntansi dan Bisnis (Akmenbis) Tahun 2017 Akademi Akuntansi Permata Harapan (Vol. 2, No. 7, 2017).
Wibowo, B. A. (2021). PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI EFEKTIVITAS PEMBELAJARAN DARING SELAMA MASA PANDEMI COVID-19 PADA SISWA SMA NEGERI KOTA BEKASI. Skripsi S1 Informatika UPNVJ 2021.
Agusta, A. (2021). PREDIKSI PERGERAKAN HARGA SAHAM PADA SEKTOR FARMASI MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY. Skripsi S1 Informatika UPNVJ 2021.
Wulandari, F., & Heriyanta, B. U. (2020). PENGARUH KUALITAS PRODUK, HARGA, DAN PROMOSI TERHADAP KEPUTUSAN MEMBELI HANDPHONE REALME DI MATAHARI SINGOSAREN. Journal of Business And Management (ISSN : 2337-5965 Vol 7, No 1 (2020), p.88-97).
Yuliara, I. M. (2016). MODUL REGRESI LINIER BERGANDA & SEDERHANA.
Jurusan Fisika Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Udayana.
Ghozali, I. (2016). Aplikasi Analisis Multivariate Dengan Program IBM SPSS 23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.
Hair, Jr., et. al. (2011). Multivariate Data Analysis. Fifth Edition. New Jersey: PrenticeHall.
Sunengsih, N. (2019). Seleksi Variabel Dalam Analisis Regresi Multivariat Multiple. Staf Jurusan Statistika FMIPA UNPAD.
Wardhaniika, N. I. K., & Ignatia, M. H. (2021). PERPINDAHAN MEREK AKIBAT KETIDAKPUASAN KONSUMEN DALAM PEMILIHAN PRODUK SMARTPHONE. JURNAL EKONOMI & BISNIS (VOL. 2, NO. 1, JUNI 2021: 21–31).
Lewis, C. D. (1982). Industrial and Business Forecasting Methods. London: Butterworths.
Goldman, R. (2017). Foundations of Correlation and Regression. Intermediate Biostatistics for Medical Researchers.
Ardiyanti, D. M. (2016). MATRIKS JURNAL PRAKTIKUM MATEMATIKA DASAR. LABORATORIUM MATEMATIKA DASAR JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER.
Akossou, A. Y. J., & Palm, R. (2013). Impact of Data Structure on the Estimators R-Square And Adjusted R-Square in Linear Regression. International Journal of Mathematics and Computation (Vol. 20; Issue No. 3; Year 2013).
Junaidi. (2015). Regresi dengan Variabel Dummy. Fakultas Ekonomi dan Bisnis Universitas Jambi : 4 Januari 2015.
Utama, C. (2009). DENGAN PENDEKATAN MATRIKS DALAM REGRESI. Bina Ekonomi Majalah ilmiah Fakultas Ekonomi Unpar (Volume 13, Nomor 1, Januari 2009).
Suryanto, A. A. & Asfan, M. (2019). PENERAPAN METODE MEAN ABSOLUTE ERROR (MEA) DALAM ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PRODUKSI PADI. SAINTEKBU: Jurnal Sains dan Teknologi (Volume : 11 No. 1 Februari 2019).
Vanessa, I., & Zainul, A. (2017). PENGARUH CITRA MEREK (BRAND IMAGE) DAN HARGA TERHADAP KEPUTUSAN PEMBELIAN KONSUMEN. Jurnal Administrasi Bisnis (JAB) (Vol. 51 No. 1 Oktober 2017).
Shafarindu, A. I., et al. (2021). Penerapan Algoritma Naive Bayes untuk Klasifikasi Tingkat Kebugaran Jasmani Berdasarkan Hasil Pengukuran pada Pegawai. e-ISBN 978-623-93343-4-5 Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) (Jakarta-Indonesia, 15 September 2021).
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.