diff --git a/README.md/README.md b/README.md/README.md
index 4f7c9ee..8a4f29c 100644
--- a/README.md/README.md
+++ b/README.md/README.md
@@ -8,19 +8,16 @@ Anggota Kelompok: \
 # Ketentuan Tugas
 
 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\
-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/
+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/
 
 # Klasifikasi Tingkat Kemiskinan di Indonesia
 
 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
 kemiskinan memberikan gambaran mengenai kondisi kesejahteraan masyarakat
 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
 mendukung pemerintah dalam merumuskan kebijakan pengentasan kemiskinan
 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
 daerah berdasarkan variabel-variabel yang tersedia dalam dataset.
 Pendekatan ini dapat membantu dalam mengambil keputusan yang lebih
@@ -88,11 +86,9 @@ daripada hanya sekali train-test split.
 
 # Keuntungan Menggunakan Cross Validation
 
-1.  Hasil evaluasi lebih stabil dan tidak tergantung pada satu kali
-    pembagian data.\
+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.
+3.  Memberikan gambaran performa model yang lebih dapat digeneralisasikan.
 
 # Kesimpulan