Prediction of House Price using the Multivariate Adaptive Regression Spline Method

AYSHA ALIA ISKANDAR; Dwi Fitria Al Husaeni; M. Zaenal Iskandar Sahidin; Lala Septem Riza; W. Wahyudin

doi:10.36787/jti.v19i1.1858

AYSHA ALIA ISKANDAR Universitas Pendidikan Indonesia
Dwi Fitria Al Husaeni Universitas Pendidikan Indonesia
M. Zaenal Iskandar Sahidin Universitas Pendidikan Indonesia
Lala Septem Riza Universitas Pendidikan Indonesia
W. Wahyudin Universitas Pendidikan Indonesia

DOI: https://doi.org/10.36787/jti.v19i1.1858

Kata Kunci: Machine Learning, Multivariate Adaptive Regression Spline, Prediksi, Regresi Linear

Abstrak

Kekritisan lingkungan adalah kondisi suatu wilayah yang menunjukkan tingkat kerusakan atau kekritisan yang dapat memengaruhi kemampuan lingkungan dalam mendukung kehidupan manusia dan ekosistem. Faktor penyebabnya meliputi rendahnya vegetasi (NDVI), meningkatnya lahan terbangun (NDBI), suhu permukaan tinggi (LST), dan kepadatan penduduk. Tujuan penelitian ini menganalisis tingkat kekritisan lingkungan di Kota Bandar Lampung serta hubungan antara parameter tersebut terhadap kekritisan lingkungan. Metode yang digunakan adalah algoritma Environmental Critical Index (ECI) yaitu pendekatan integratif yang menggabungkan beberapa parameter lingkungan untuk menilai tingkat kekritisan wilayah secara spasial dan kuantitatif dengan data citra Landsat 8 (2014) dan Landsat 9 (2023). Hasil penelitian menunjukkan adanya peningkatan kekritisan cukup signifikasan sebesar 50% terjadi pada area sangat kritis seluas 1.447,74 ha. Sebaliknya terjadi penurunan pada area tidak kritis sebesar 35% atau seluas 1.029,16 ha dan pada area kritis sebesar 15% atau seluas 418,58 ha. Faktor yang paling berpengaruh terhadap kekritisan lingkungan adalah NDBI.