Untuk tim produk/bisnis Rumahku

• Gunakan model ini sebagai fitur estimasi harga otomatis saat penjual memasang listing baru, agar harga yang ditawarkan lebih realistis dan cepat menemukan pembeli.
• Karena luas tanah/bangunan mendominasi harga, prioritaskan pengumpulan data ini secara akurat (mis. validasi sertifikat/IMB) dibanding data sekunder seperti jumlah kamar.
• Pertimbangkan model harga terpisah per kota (khususnya Jakarta) karena premi lokasi yang tidak linear — berpotensi meningkatkan akurasi lebih lanjut.

Untuk pengguna/penjual

• Kondisi bangunan "Baik" tidak selalu bernilai jauh lebih tinggi daripada "Cukup" — investasi renovasi besar-besaran sebaiknya dipertimbangkan matang terhadap potensi kenaikan harga jual riil.
• Estimasi model paling andal untuk properti dengan karakteristik umum (luas dan lokasi dalam rentang data yang tersedia); untuk properti sangat unik (sangat luas/sangat tua), tetap konsultasikan ke agen properti berpengalaman.

Untuk pengembangan model selanjutnya

• Tambahkan fitur baru: fasilitas sekitar (sekolah, mall), tahun renovasi terakhir, atau harga pasar terkini per kota agar model lebih adaptif terhadap tren pasar.
• Hyperparameter tuning & feature selection sudah diterapkan pada model terbaik (XGBoost) memakai RandomizedSearchCV (25 iterasi, 5-fold cross-validation) dan SelectKBest — lihat detail parameter yang ditemukan di halaman Evaluasi Model. Hasilnya R² hampir tidak berubah dari baseline, menandakan parameter manual awal sudah mendekati optimal untuk dataset ini; eksplorasi ruang pencarian yang lebih luas (n_iter lebih besar, rentang parameter lebih lebar) berpotensi masih memberi perbaikan kecil.