202310715132-REGISKA-SARI-PUTRI-PRASETYO/Project_Machine_Learning_Kelompok_3
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Update README.md

Browse Source
This commit is contained in:
202310715132 REGISKA SARI PUTRI PRASETYO 2025-11-23 22:27:51 +07:00
parent 99f10e235a
commit 8676035d42
1 changed files with 11 additions and 15 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

26
README.md
View File

@ -7,20 +7,17 @@ Anggota Kelompok: \
# Ketentuan Tugas # Ketentuan Tugas
1. Mencari dataset yang terdapat pada website https://www.kaggle.com/\ 1. Mencari dataset yang terdapat pada website https://www.kaggle.com/\
2. Tentukan algoritma (klasifikasi, regresi, atau klastering) yang 2. Tentukan algoritma (klasifikasi, regresi, atau klastering) yang paling cocok untuk data tersebut\
paling cocok untuk data tersebut\ 3. Lakukan evaluasi model pada data yang sudah ada\
3. Lakukan evaluasi model pada data yang sudah ada\ 4. Lakukan juga cross validation untuk memastikan bahwa hasil prediksi model tidak jauh berbeda dari pola asli dalam data\
4. Lakukan juga cross validation untuk memastikan bahwa hasil prediksi 5. Lakukan push atau penyimpanan laporan pada website https://git.lab.ubharajaya.ac.id/
model tidak jauh berbeda dari pola asli dalam data\
5. Lakukan push atau penyimpanan laporan pada website
https://git.lab.ubharajaya.ac.id/
# Klasifikasi Tingkat Kemiskinan di Indonesia # Klasifikasi Tingkat Kemiskinan di Indonesia
Sumber dataset: https://www.kaggle.com/ Sumber dataset: https://www.kaggle.com/
Tingkat kemiskinan di Indonesia merupakan salah satu indikator penting Tingkat kemiskinan di Indonesia merupakan salah satu indikator penting
dalam menentukan keberhasilan pembangunan sosial dan ekonomi. Data dalam menentukan keberhasilan pembangunan sosial dan ekonomi. Data
kemiskinan memberikan gambaran mengenai kondisi kesejahteraan masyarakat kemiskinan memberikan gambaran mengenai kondisi kesejahteraan masyarakat
di berbagai wilayah, termasuk faktor-faktor yang mempengaruhi meningkat di berbagai wilayah, termasuk faktor-faktor yang mempengaruhi meningkat
@ -28,7 +25,8 @@ atau menurunnya angka kemiskinan. Analisis berbasis data diperlukan
untuk memahami pola kemiskinan, mengidentifikasi wilayah rentan, dan untuk memahami pola kemiskinan, mengidentifikasi wilayah rentan, dan
mendukung pemerintah dalam merumuskan kebijakan pengentasan kemiskinan mendukung pemerintah dalam merumuskan kebijakan pengentasan kemiskinan
yang lebih tepat sasaran. yang lebih tepat sasaran.
Dengan melakukan klasifikasi tingkat kemiskinan menggunakan metode
Dengan melakukan klasifikasi tingkat kemiskinan menggunakan metode
machine learning, kita dapat memprediksi kategori kemiskinan suatu machine learning, kita dapat memprediksi kategori kemiskinan suatu
daerah berdasarkan variabel-variabel yang tersedia dalam dataset. daerah berdasarkan variabel-variabel yang tersedia dalam dataset.
Pendekatan ini dapat membantu dalam mengambil keputusan yang lebih Pendekatan ini dapat membantu dalam mengambil keputusan yang lebih
@ -88,11 +86,9 @@ daripada hanya sekali train-test split.
# Keuntungan Menggunakan Cross Validation # Keuntungan Menggunakan Cross Validation
1. Hasil evaluasi lebih stabil dan tidak tergantung pada satu kali 1. Hasil evaluasi lebih stabil dan tidak tergantung pada satu kali pembagian data.\
pembagian data.\ 2. Membantu mendeteksi overfitting.\
2. Membantu mendeteksi overfitting.\ 3. Memberikan gambaran performa model yang lebih dapat digeneralisasikan.
3. Memberikan gambaran performa model yang lebih dapat
digeneralisasikan.
# Kesimpulan # Kesimpulan