Perkembangan pembangunan di wilayah perkotaan di Indonesia sangat pesat salah satunya di Kota Pekanbaru mengalami peningkatan yang signifikan, dengan 58,84% masyarakat memiliki rumah sendiri berdasarkan data Susenas 2022. Pada tahun 2023, jumlah penduduk mencapai 1.123.348 jiwa dengan pertumbuhan tahunan sebesar 2,99%. PT XYZ, pengembang properti di Pekanbaru, sedang mengembangkan 200 unit rumah komersial dan menghadapi tantangan dalam menentukan harga rumah yang dipengaruhi oleh berbagai faktor seperti luas tanah, luas bangunan, jumlah kamar, garasi, jenis rumah, serta fasilitas umum dan sosial. Penelitian ini bertujuan untuk memprediksi harga rumah dikota Pekanbaru dengan mempertimbangkan spesifikasi rumah, ketersediaan fasilitas umum (fasum), dan fasilitas sosial (fasos), serta menentukan metode prediksi yang paling optimal antara Regresi Linier, Random Forest Regression, dan Gradient Boosted Trees Regression. Berdasarkan hasil evaluasi yang sudah dilakukan, Gradient Boosted Trees Regression menunjukkan performa terbaik dengan R² sebesar 97,99 dan RMSE sebesar 8.637, mengungguli Random Forest Regression (R² 93,74, RMSE 15.257) dan Linear Regression (R² 74,42, RMSE 30.844). Dengan demikian, Gradient Boosted Trees Regression dipilih sebagai model terbaik untuk memprediksi harga rumah. Untuk variable yang memiliki korelasi tinggi terhadap harga rumah maka didapatkan variabel luas bangunan (LB) memiliki korelasi tertinggi terhadap harga rumah dengan nilai 0,92, diikuti oleh jumlah kamar tidur (JKT) sebesar 0,69 dan jumlah kamar mandi (JKM) sebesar 0,61, yang menegaskan bahwa spesifikasi fisik rumah memiliki pengaruh signifikan terhadap harga. Selain itu, luas tanah (LT) dengan korelasi 0,44 juga berkontribusi terhadap tingginya harga rumah. Temuan ini dapat membantu PT XYZ dalam menentukan harga rumah secara lebih efektif dan tepat.