diff --git a/README.md b/README.md
index 68981e7..9afebbe 100644
--- a/README.md
+++ b/README.md
@@ -38,7 +38,7 @@ terhadap tingkat kemiskinan di Indonesia.
 Algoritma yang paling cocok untuk dataset ini adalah **Klasifikasi**,
 karena variabel target berupa kategori tingkat kemiskinan.
 Algoritma yang digunakan: 
-1. Logistic Regression\
+1. Logistic Regression
 2. Random Forest Classification
 3. Decision Tree
 
@@ -74,23 +74,23 @@ Metrik yang digunakan:
 4.  F1-Score
 
 Accuracy memberikan gambaran umum mengenai ketepatan model dalam
-mengklasifikasikan data dengan benar.\
+mengklasifikasikan data dengan benar.
 Precision dan recall memberikan informasi mengenai seberapa baik model
-mengidentifikasi kelas positif tanpa banyak salah klasifikasi.\
+mengidentifikasi kelas positif tanpa banyak salah klasifikasi.
 F1-score merupakan metrik harmonisasi antara precision dan recall
 sehingga cocok digunakan pada dataset yang tidak seimbang.
 
 # Cross Validation
 
 Cross validation, khususnya **K-Fold Cross Validation**, digunakan untuk
-menguji konsistensi model terhadap banyak skenario pembagian data.\
+menguji konsistensi model terhadap banyak skenario pembagian data.
 Metode ini memberikan gambaran yang lebih stabil mengenai performa model
 daripada hanya sekali train-test split.
 
 # Keuntungan Menggunakan Cross Validation
 
-1. Hasil evaluasi lebih stabil dan tidak tergantung pada satu kali pembagian data.\
-2. Membantu mendeteksi overfitting.\
+1. Hasil evaluasi lebih stabil dan tidak tergantung pada satu kali pembagian data.
+2. Membantu mendeteksi overfitting.
 3. Memberikan gambaran performa model yang lebih dapat digeneralisasikan.
 
 # Kesimpulan