Harga Rumah Jabodetabek — Data Science VINIX7
Analisis faktor penentu harga dari 11.338 data rumah di Jabodetabek, lengkap dengan dashboard Looker Studio. Proyek akhir program magang & studi independen Junior Data Scientist di VINIX7.
- Peran
- Junior Data Scientist (tim 5 orang)
- Periode
- Agu–Des 2025
- Tools
-
- Python
- Pandas
- Looker Studio
- Google Colab
- Matplotlib
- Seaborn
Tantangan
Ini proyek akhir program Magang & Studi Independen Bersertifikat (MSIB) Batch 3 di VINIX7, divisi Junior Data Scientist. Pertanyaannya sederhana tetapi datanya berantakan: apa yang paling menentukan harga rumah di Jabodetabek? Kami memecahnya jadi lima pertanyaan riset, yaitu perbedaan harga antarkota, pengaruh luas dan kondisi bangunan, apakah hubungan ukuran rumah bersifat linear, pengaruh jarak ke pusat kota, dan pengaruh jenis sertifikat.
Peran saya
Saya satu dari lima anggota Kelompok 13, bersama Christopher Joshua Dimas Prasetyo, Faiz Hilmi Aziz, Kenneth Matthew Priono, dan Muhammad Akbar Zulkarnaen. Bagian saya adalah pembersihan data dan feature engineering, dashboard Looker Studio, serta laporan akhir dan presentasi ke mentor.
Proses
Kami mengikuti alur CRISP-DM, dari pemahaman bisnis sampai deployment, dengan dataset Jabodetabek House Price berisi 11.338 baris di Google Colab. Harga yang masih berupa teks diubah jadi angka, koordinat dijadikan float agar bisa dipetakan, dan kolom daya listrik dibersihkan dari satuannya. Jumlah kamar yang kosong (sekitar 1%) diisi median per kota, sedangkan kondisi, sertifikat, dan perabotan yang kosong diberi label “unknown” supaya tidak menebak.
Outlier tidak dibuang secara global. Batas IQR dihitung per distrik dari harga per m², sehingga rumah mahal di kawasan elite tidak ikut terhapus, lalu ditambah aturan logika untuk harga yang tidak masuk akal dibanding luas tanahnya. Setelah itu saya menambahkan fitur turunan: harga per m², jarak ke Bundaran HI dengan rumus Haversine, lima zona jarak (pusat kota sampai area pengembangan), dan kelompok luas tanah per 500 m².
Solusi
- Dataset yang siap dianalisis: tipe data seragam, nilai kosong ditangani per kolom sesuai sifatnya, dan outlier disaring per distrik.
- Fitur lokasi: jarak ke pusat kota dan zona jarak, sehingga aksesibilitas bisa dibandingkan dengan angka.
- Dashboard Looker Studio: kartu ringkasan, peta sebaran rumah, dan satu grafik untuk setiap pertanyaan riset, dengan filter kota, luas tanah, zona, dan sertifikat.
- Laporan dan presentasi: temuan diterjemahkan jadi rekomendasi untuk developer, investor, dan pembeli rumah.
Hasil
| Pertanyaan | Temuan |
|---|---|
| Kota termahal | Jakarta Pusat rata-rata Rp20,7 miliar; Bekasi dan Depok Rp1,3 miliar |
| Jarak ke pusat kota | Rp21,8 miliar di zona pusat, turun ke Rp2,4 miliar di area suburban |
| Kondisi bangunan | Median tertinggi “bagus sekali” Rp3,5 miliar; “baru” justru Rp1,2 miliar |
| Luas tanah vs bangunan | Tidak linear; di atas 2.000 m² mulai masuk segmen premium |
| Jenis sertifikat | Harga maksimum SHM Rp250 miliar, HGB Rp50 miliar, PPJB Rp35 miliar |
- Nilai final project 88, dan rata-rata nilai 11 kompetensi di transkrip program 93,3.
- Dashboard dan laporannya dipresentasikan ke mentor pada sidang akhir program.
Pelajaran
Membuang outlier secara global ternyata berbahaya untuk data properti, karena rumah di atas Rp100 miliar di distrik premium itu wajar, bukan salah input. Menghitung batas per distrik lalu memeriksa ulang harga-harga tertinggi membuat datanya tetap jujur. Saya juga belajar bahwa dashboard yang baik dimulai dari pertanyaan, bukan dari grafik: setiap grafik di sini menjawab satu pertanyaan riset. Analisis ini masih deskriptif. Langkah berikutnya adalah model regresi yang memakai fitur jarak dan zona yang sudah dibuat, supaya bisa menaksir harga rumah.
Tugas selama program
Selama empat bulan (Agustus–Desember 2025) kami mengerjakan satu tugas per modul. Semuanya tugas kelompok dan bisa dibuka di Google Drive.
- Modul 1: pola konsumsi konten YouTube dari riwayat tontonan. PDF
- Modul 2: akuisisi data, dataset Netflix Movies & TV Shows dari Kaggle. PDF
- Modul 3: pembersihan data Netflix (7.789 baris). PDF
- Modul 4: eksplorasi data, statistik deskriptif, dan distribusi. PDF
- Modul 5: visualisasi data Netflix dengan Plotly. PDF
- Modul 6: uji hipotesis Welch’s t-test (p < 0,05) dan regresi sederhana. PDF
- Modul 7: dashboard BI Auto-MPG di Looker Studio. PDF
- Modul 8: Linear Regression vs Random Forest untuk memprediksi MPG (Random Forest R² 0,857). PDF
- Modul 9: segmentasi pelanggan mall dengan K-Means (K = 4, silhouette 0,298). PDF
- Modul 10: data storytelling dan infografis Netflix. PDF
- Final project: laporan lengkap dan slide presentasi. PDF
Dokumentasi
-
Rata-rata harga per kota. Selisih pusat dan kota penyangga hampir 16 kali. -
Jarak ke Bundaran HI dihitung dengan rumus Haversine, lalu dikelompokkan jadi lima zona. -
Satu halaman dashboard dengan filter kota, luas tanah, zona, dan sertifikat. -
Makin luas bangunannya, makin tinggi harganya. -
Kondisi bangunan berpengaruh, tetapi kalah dari lokasi. -
Hubungan luas tanah dan luas bangunan tidak linear. -
Harga maksimum rumah ber-SHM lima kali lipat HGB.