उद्देश्य इस पत्र का उद्देश्य इंडोनेशिया में अचल संपत्ति मूल्यांकन की सीमाओं को संबोधित करना है जो क्षेत्रीय विषमता, खंडित डेटा स्रोतों और अस्पष्ट स्वचालित मॉडलों से उत्पन्न होती हैं। विशेष रूप से, यह एक अधिक सटीक और पारदर्शी तुलनात्मक बाजार विश्लेषण ढांचा विकसित करना चाहता है जो विभिन्न स्रोतों से प्राप्त संपत्ति डेटा और स्पष्ट मशीन लर्निंग को एकीकृत करता है, इस प्रकार विभिन्न बाजार खंडों के लिए मूल्यांकन की विश्वसनीयता और व्याख्यायिता दोनों को बेहतर बनाता है। डिजाइन/पद्धति/पहुंच अध्ययन इंडोनेशिया के कई प्रमुख ऑनलाइन प्लेटफार्मों से संपत्ति सूचियों को एकीकृत करके 70 से अधिक स्थानिक, संरचनात्मक, सुविधा और मूल्य निर्धारण गुणों वाला एक संयुक्त डेटासेट बनाता है। व्यापक पूर्व-प्रसंस्करण और सामान्यीकरण के बाद, संपत्तियों को निम्न, मध्यम और उच्च मूल्य वर्गों में वर्गीकृत किया जाता है। कई प्रतिगमन-आधारित मशीन लर्निंग मॉडल का मूल्यांकन किया गया है, जिसमें वृक्ष-आधारित मॉडलों के लिए हाइपरपैरामीटर अनुकूलन लागू किया गया है। स्पष्ट विश्लेषण का उपयोग मूल्य वर्गों में फीचर योगदानों की जाँच के लिए किया गया है। निष्कर्ष एक्सट्रीम ग्रेडिएंट बूस्टिंग ने सर्वश्रेष्ठ समग्र प्रदर्शन दिखाया, मध्यम-मूल्य वाली संपत्तियों के लिए मीन एब्सोल्यूट परसेंटेज त्रुटि 26.53% और उच्च-मूल्य वाली संपत्तियों के लिए 14.60% प्राप्त किया। स्पष्ट विश्लेषण दर्शाता है कि स्थानिक गुण कीमत गठन में सुस्पष्ट रूप से प्रभुत्व रखते हैं, जबकि सुविधा-संबंधित विशेषताओं का प्रभाव मूल्य वर्ग के अनुसार भिन्न होता है, जो बाजार में विभिन्न मूल्यांकन चालकों को उजागर करता है। मौलिकता/मूल्य यह पत्र एक मल्टी-सोर्स, बड़े पैमाने पर इंडोनेशियाई अचल संपत्ति डेटासेट और एक स्पष्ट स्वचालित मूल्यांकन ढांचा प्रदान करता है जो एकल-प्लेटफॉर्म, ब्लैक-बॉक्स दृष्टिकोणों से आगे बढ़ता है। अध्ययन पूर्वानुमान सटीकता और मूल्य गठन पर व्याख्यायित अंतर्दृष्टि दोनों प्रदान करता है, जो शोधकर्ताओं, प्रैक्टिशनरों और नीति निर्माताओं के लिए पारदर्शी और डेटा-संचालित तुलनात्मक बाजार विश्लेषण के लिए मूल्यवान है, विशेषकर उभरते हुए रियल एस्टेट बाजारों में।
गनेसें और सहयोगियों (बुधवार,) ने इस प्रश्न का अध्ययन किया।