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 2026-01-09 15:45:55 +07:00
parent 184fe471d7
commit fa841c251f
1 changed files with 9 additions and 9 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

18
README.md
View File

@ -1,16 +1,16 @@
# Proyek Machine Learning # Proyek Machine Learning
Anggota Kelompok: \ Anggota Kelompok:
1. Eva Yusfika Hidayah (20231075012) 1. Eva Yusfika Hidayah (20231075012)
2. Rahmad Syarif (202310715168) 2. Rahmad Syarif (202310715168)
3. Regiska Sari Putri Prasetyo (202310715132) 3. Regiska Sari Putri Prasetyo (202310715132)
# 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 paling cocok untuk data tersebut\ 2. Tentukan algoritma (klasifikasi, regresi, atau klastering) yang 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 model tidak jauh berbeda dari pola asli dalam data
5. Lakukan push atau penyimpanan laporan pada website https://git.lab.ubharajaya.ac.id/ 5. Lakukan push atau penyimpanan laporan pada website https://git.lab.ubharajaya.ac.id/
# Klasifikasi Tingkat Kemiskinan di Indonesia # Klasifikasi Tingkat Kemiskinan di Indonesia
@ -65,12 +65,12 @@ serta monitoring perkembangan kesejahteraan masyarakat.
# Evaluasi Model # Evaluasi Model
Evaluasi model dilakukan untuk memastikan bahwa algoritma mampu Evaluasi model dilakukan untuk memastikan bahwa algoritma mampu
melakukan klasifikasi dengan akurat.\ melakukan klasifikasi dengan akurat.
Metrik yang digunakan: Metrik yang digunakan:
1. Accuracy\ 1. Accuracy
2. Precision\ 2. Precision
3. Recall\ 3. Recall
4. F1-Score 4. F1-Score
Accuracy memberikan gambaran umum mengenai ketepatan model dalam Accuracy memberikan gambaran umum mengenai ketepatan model dalam