diff --git a/REDMI.md b/REDMI.md
index e1e44ef..e576df7 100644
--- a/REDMI.md
+++ b/REDMI.md
@@ -1 +1,53 @@
-# PRAKTIKUMmachinelearning
\ No newline at end of file
+# PRAKTIKUMmachinelearning
+
+Muhammad Bintang Mudzaffar   
+202310715001 F5A2
+
+# Regression
+Regression adalah metode supervised learning untuk memprediksi nilai numerik/kontinu berdasarkan hubungan antara input (features) dan output.
+Artinya, regresi mencari pola matematis pada data sehingga model bisa menghasilkan angka baru dari data baru.
+
+Tujuan Regresi
+-Memahami hubungan antara variabel independen (X) dan variabel dependen (Y).
+-Memprediksi nilai masa depan atau nilai yang tidak diketahui.
+-Melihat pengaruh masing-masing variabel terhadap target.
+
+jenis-jenis regression
+1. Linear Regression
+Hubungan linear (garis lurus) antara X dan Y,Hanya 1 variabel input,Rumus: Y = a + bX,Contoh: jam belajar → nilai.
+
+2. Multiple Linear Regression
+Sama seperti linear regression, tapi dengan lebih dari 1 variabel input,Rumus: Y = a + b₁X₁ + b₂X₂ + .,Contoh: harga rumah → luas, kamar, lokasi, dll.
+
+3. Polynomial Regression
+Hubungan tidak linear, tetapi bisa dibentuk menjadi kurva (ada X², X³),Mengatasi data yang pola hubungan X–Y melengkung,Rumus: Y = a + b₁X + b₂X² + ...
+
+4. Nonlinear Regression
+Hubungan benar-benar tidak linear dan tidak bisa dijelaskan oleh garis atau polinomial sederhana,Bentuknya bisa eksponensial, logaritmik, atau sigmoid.Contoh: pertumbuhan populasi, reaksi kimia.
+
+# Classification
+Classification adalah metode supervised learning untuk mengelompokkan data ke dalam kelas/kategori tertentu.
+Outputnya bukan angka kontinu, tetapi label seperti:
+-Spam / Not spam
+-Sakit / Sehat
+-Kucing / Anjing
+
+Tujuan Classification
+-Memprediksi kelas yang tepat berdasarkan pola pada data.
+-Mengelompokkan data baru ke dalam kategori tertentu.
+-Membantu pengambilan keputusan (misalnya sistem diagnosis penyakit).
+
+Jenis-jenis Classification
+1. Decision Tree
+Model berbentuk pohon keputusan,Membagi data berdasarkan pertanyaan seperti “apakah X > 5?”,Mudah dipahami, hasilnya jelas,Risiko: bisa overfitting jika pohon terlalu dalam.
+
+2. K-Nearest Neighbor (KNN)
+Klasifikasi berdasarkan tetangga terdekat,Data baru akan ikut kelas mayoritas dari K data paling dekat,Sederhana, tetapi lambat untuk dataset besar,Butuh perhitungan jarak (Euclidean, Manhattan, dll).
+
+3. Logistic Regression
+Meski namanya regresi, ini dipakai untuk klasifikasi,Menghasilkan probabilitas suatu data termasuk kelas tertentu,Cocok untuk binary classification (ya/tidak, 0/1),Simple dan cepat.
+
+4. Support Vector Machine (SVM)
+Mencari garis/pembatas terbaik (hyperplane) yang memisahkan kelas,Sangat bagus untuk dataset kecil dan pola kompleks,Bisa menangani data non-linear dengan kernel (RBF, polynomial),Relatif berat untuk dataset yang sangat besar.
+
+Kucing / Anjing
\ No newline at end of file