Big Data-Driven Analytics Tren Pasar Indekos untuk Penentuan Penyediaan Fasilitas Indekos: Model Regresi Logistik Multinomial

Wibawa, Erlinda Gilberta (2021) Big Data-Driven Analytics Tren Pasar Indekos untuk Penentuan Penyediaan Fasilitas Indekos: Model Regresi Logistik Multinomial. S2 thesis, Universitas Atma Jaya Yogyakarta.

[img]
Preview
Text (Erlinda Gilberta Wibawa)
195603127 1.pdf

Download (678kB) | Preview
[img]
Preview
Text
195603127 2.pdf

Download (366kB) | Preview
[img]
Preview
Text
195603127 3.pdf

Download (1MB) | Preview
[img]
Preview
Text
195603127 4.pdf

Download (187kB) | Preview
[img] Text
195603127 5.pdf
Restricted to Registered users only

Download (3MB)
[img] Text
195603127 6.pdf
Restricted to Registered users only

Download (3MB)
[img]
Preview
Text
195603127 7.pdf

Download (764kB) | Preview

Abstract

Berkembangnya dunia pendidikan sekolah dan universitas serta berbagai sektor industri berdampak pada tingginya kebutuhan akan properti indekos. Hal ini menjadi perhatian bagi para pengusaha indekos agar dapat memanfaatkan peluang lahan yang mereka miliki untuk dapat merespon tingginya kebutuhan indekos. Sehingga penting bagi investor untuk mengetahui beragam faktor yang dapat memengaruhi bisnis indekosnya agar dapat memenuhi kepuasan bertempat tinggal penyewa indekos. Baik dari segi kesesuaian harga sewa dengan fasilitasfasilitas yang didapatkan, lokasi, jenis indekos, dan status penyewa. Ada ribuan data informasi iklan indekos yang tersebar di internet yang dapat dimanfaatkan para pengusaha indekos untuk melakukan analisis tren pasar. Berbagai wawasan menarik berbasis Data-Driven dari indekos online platform dapat ditindaklanjuti untuk pengambilan keputusan-keputusan strategis. Penelitian ini bertujuan untuk memberikan wawasan bagi para investor dalam merencanakan bisnis properti indekosnya. Business intelligence web scraping dimanfaatkan oleh peneliti untuk mendapatkan berbagai informasi tren pasar guna meningkatkan daya saing. Sebanyak 1.128 data indekos yang terdiri atas 55 variabel hasil ekstraksi dari online platform dieksplorasi untuk mengetahui karakterisitik tren pasar indekos di 3 wilayah terpadat di Provinsi DIY, yaitu Kota Yogyakarta, Kabupaten Sleman, dan Kabupaten Bantul. Regresi Logistik Multinomial digunakan untuk mengetahui apa saja fasilitas-fasilitas untuk kamar, kamar mandi, pelayanan dan perlengkapan bersama, serta ruang bersama yang mempengaruhi pengkategorian kelas harga sewa di 3 wilayah tersebut. Penelitian ini juga menganalisis bagaimana perbandingan hasil yang didapat dari Data- Driven Decision Making dengan kebutuhan hunian indekos berdasarkan pendekatan Data-Informed dari literature review preferensi penyewa terhadap kebutuhan hunian indekos. Hasil penelitian ini menunjukkan kelas harga sewa di setiap wilayah dapat dibedakan menjadi 4 kategori kelas indekos dengan rentang kelas harga sewa yang berbeda. Probabilitas kepemilikan indekos di Kabupaten Sleman menunjukkan bahwa Indekos Kelas Bintang 4 lebih mementingkan hal-hal yang langsung dirasakan oleh penyewa, yaitu segala hal mengenai kebutuhan privasi mereka. Sedangkan Kelas Bintang 3, Bintang 2, dan Bintang 1 lebih mengutamakan hal-hal yang bisa ditempati/digunakan/dimanfaatkan oleh semua penghuni indekos, yaitu segala hal untuk ruangan bersama serta pelayanan dan perlengkapan bersama. Probabilitas kepemilikan fasilitas indekos di Kota Yogyakarta hanya ditentukan oleh fasilitas kamar dan kamar mandi. Indekos Kelas Bintang 4 lebih memprioritaskan untuk menyediakan fasilitas kamar dari pada kamar mandi. Sedangkan 3 kelas lainnya adalah sebaliknya. Probabilitas kepemilikan fasilitas indekos di Kabupaten Bantul hanya ditentukan oleh fasilitas kamar mandi. Semakin tinggi kelas indekos, maka semakin memprioritaskan untuk menyediakan fasilitas kamar mandi. Penelitian ini ditujukkan bagi para pengusaha indekos sebagai rekomendasi dalam menentukan prioritas menyediakan fasilitas berdasarkan kategori kelas.

Item Type: Thesis (S2)
Uncontrolled Keywords: fasilitas indekos, big data, web scraping, regresi logistik multinomial, data-driven
Subjects: Magister Teknik Informatika > Soft Computing
Divisions: Pasca Sarjana > Magister Teknik Informatika
Depositing User: Editor 2 uajy
Date Deposited: 14 Dec 2021 11:46
Last Modified: 14 Dec 2021 11:46
URI: http://e-journal.uajy.ac.id/id/eprint/25976

Actions (login required)

View Item View Item