Penelitian ini membahas perbandingan metode Polynomial Regression dan Random
Forest Regression dalam memprediksi harga rumah menggunakan dataset House
Sales in King County, USA. Penelitian ini bertujuan untuk memprediksi harga
rumah serta membandingkan kinerja kedua metode dalam menghasilkan prediksi
yang akurat. Dataset yang digunakan berasal dari Kaggle dan terdiri atas 21.613
data. Variabel yang digunakan meliputi grade, sqft_living, lat, dan long sebagai
variabel masukan serta price sebagai variabel target. Tahapan penelitian meliputi
data preprocessing, pembagian data menjadi data latih dan data uji dengan
perbandingan 70:30, pembangunan model, serta evaluasi menggunakan Mean
Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute
Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa Polynomial
Regression memperoleh nilai MSE sebesar 35.526.443.824.60, RMSE sebesar
188.484.60 dan MAPE sebesar 24,44%, sedangkan Random Forest Regression
memperoleh nilai MSE sebesar 25.476.267.257.24, RMSE sebesar 159.612.87 dan
MAPE sebesar 14,75%. Berdasarkan hasil tersebut, Random Forest Regression
memiliki kinerja yang lebih baik dibandingkan Polynomial Regression karena
menghasilkan tingkat kesalahan prediksi yang lebih rendah dalam memprediksi
harga rumah.