# PRAKTIKUM MACHINE LEARNING

Nama: Muhammad Hafidz <br>
NPM: 202310715202 <br>
Kelas: F5A2

# Classification

Pengertian: <br>
Classification adalah metode dalam machine learning yang bertujuan untuk mengelompokkan data ke dalam kategori tertentu berdasarkan pola yang dipelajari dari data sebelumnya. Model klasifikasi mempelajari hubungan antara fitur (input) dengan label (output) diskrit sehingga dapat memprediksi kelas dari data baru.

Tujuan: Memprediksi label atau kategori dari suatu data. <br>
Output: Diskrit (kategori)

Contoh: <br>
Email → spam atau bukan spam <br>
Gambar → kucing, anjing, atau burung <br>
Nilai sifat→ baik atau buruk <br>
Nilai ujian → lulus atau tidak lulus <br>

# Penjelasan Metode Classification:

1. K-Nearest Neighbors (KNN)
KNN mengklasifikasikan data baru berdasarkan k tetangga terdekatnya. Jika mayoritas tetangga memiliki label tertentu, maka data baru akan diberi label yang sama. Algoritma ini bergantung pada jarak (misalnya Euclidean distance).

2. Logistic Regression
Meski namanya "regression", metode ini digunakan untuk klasifikasi, terutama biner (0/1). Logistic regression memodelkan probabilitas suatu kelas dengan fungsi logistik (sigmoid).

3. Support Vector Machine (SVM)
SVM mencari garis/penggaris (hyperplane) terbaik yang memisahkan kelas dengan margin terbesar. Cocok untuk data yang kompleks dan dapat menggunakan kernel untuk kasus non-linear.

4. Decision Tree
Decision Tree membentuk struktur seperti pohon yang memecah data berdasarkan pertanyaan-pertanyaan (splitting) sampai mencapai keputusan kelas. Mudah diinterpretasikan dan bekerja baik pada data kategori maupun numerik.

# Regression

Pengertian: <br>
Regression adalah metode machine learning yang digunakan untuk memprediksi nilai numerik/kontinu berdasarkan hubungan antara variabel input dan output. Model regresi mencoba menemukan pola atau fungsi matematika yang paling sesuai untuk menghasilkan prediksi numerik.

Tujuan: Memprediksi nilai numerik / kontinu. <br>
Output: Angka (continuous value)

Contoh: <br>
Memprediksi harga rumah <br>
Perkiraan suhu besok <br>
Prediksi berat badan <br>

# Penjelasan Jenis–Jenis Regression:

1. Simple Linear Regression
Regresi linier sederhana memodelkan hubungan antara satu variabel bebas (X) dan satu variabel terikat (Y) dalam bentuk garis lurus.

2. Multiple Linear Regression
Menggunakan lebih dari satu variabel bebas. Modelnya berupa kombinasi linear dari banyak fitur untuk memprediksi satu nilai output.

3. Polynomial Regression
Regresi polynomial memperluas linear regression dengan menambahkan pangkat-pangkat lebih tinggi (X², X³, dll.) sehingga cocok untuk data yang hubungan variabelnya melengkung (non-linier).

4. Nonlinear Regression
Regresi non-linier digunakan jika hubungan antara X dan Y tidak dapat direpresentasikan dengan garis lurus maupun polynomial sederhana. Modelnya bisa berupa eksponensial, logaritmik, sigmoid, dan bentuk fungsi non-linier lainnya.