PREDIKSI KELAYAKAN LELANG KENDARAAN BEKAS DENGAN MACHINE LEARNING: STUDI KASUS DI BALAI LELANG ASTRIA

Abstract

Tesis yang berjudul "Prediksi Kelayakan Lelang Kendaraan Bekas dengan Machine Learning: Studi Kasus di Balai Lelang Astria" oleh Adiyanto Oktavianus Buaton bertujuan untuk meningkatkan akurasi penilaian kelayakan lelang kendaraan bekas melalui penerapan algoritma machine learning, khususnya Support Vector Machine (SVM) dan K-Nearest Neighbors (K-NN). Penelitian ini memanfaatkan data historis dari Balai Lelang Astria selama periode 2021-2023, dengan fokus pada fitur-fitur seperti merk, model, tahun, dan harga dasar kendaraan. Metodologi yang digunakan mencakup pengumpulan data, pengembangan model prediksi, dan evaluasi menggunakan metode 10-fold cross validation untuk menentukan model yang paling optimal. Hasil evaluasi model menunjukkan bahwa kedua model (SVM dan K-NN) mencatat akurasi sebesar 60,3%. Model SVM memiliki nilai recall yang lebih tinggi (67,9%) dibandingkan K-NN (64,3%), dan F1 Score sedikit lebih tinggi pada SVM (56,7%) dibandingkan K-NN (55,4%). Validasi silang 10-fold menunjukkan bahwa SVM memiliki kestabilan yang lebih baik (66,2% rata-rata) dibandingkan K-NN (62,7% rata-rata). Hasil dari penelitian ini diharapkan dapat memberikan solusi praktis bagi Balai Lelang Astria dalam meningkatkan efisiensi dan transparansi proses lelang, serta memperkaya literatur mengenai aplikasi machine learning dalam industri otomotif.