Proyek Machine Learning Pemula - Dicoding

Repositori ini berisi dua proyek akhir dari kelas Machine Learning Pemula Dicoding oleh Ahmad Hamdani:

1. 📊 Clustering pada dataset clustering_superstore.csv
2. 🤖 Klasifikasi data menggunakan model machine learning dasar

---

📁 Daftar File

1. [Clustering] Submission Akhir BMLP_Ahmad Hamdani.ipynb

Notebook ini berfokus pada analisis segmentasi pelanggan dengan pendekatan unsupervised learning menggunakan metode KMeans Clustering. Dataset yang digunakan adalah clustering_superstore.csv.

🔍 Langkah-langkah Analisis:

• Eksplorasi Data: Memeriksa informasi awal dan ringkasan statistik dataset.
• Preprocessing:
  • Encoding variabel kategorikal
  • Normalisasi fitur dengan MinMaxScaler
  • Seleksi fitur dengan VarianceThreshold
  • Reduksi dimensi menggunakan PCA
• Clustering:
  • Menentukan jumlah klaster optimal dengan KElbowVisualizer
  • Evaluasi klaster dengan Silhouette Score
  • Visualisasi hasil clustering
• Insight: Menemukan pola klaster berdasarkan variabel seperti profit, sales, segment, dan lainnya.

---

2. [Klasifikasi] Submission Akhir BMLP_Ahmad Hamdani.ipynb

Notebook ini menunjukkan bagaimana melakukan klasifikasi data menggunakan algoritma supervised learning. (Silakan lihat notebook untuk rincian lebih lanjut).

---

🧪 Instalasi dan Persiapan Lingkungan

1. Clone Repository (opsional)

git clone https://github.com/hamdaniqhmqd/Proyek-Machine-Learning-Pemula.git
cd Proyek-Machine-Learning-Pemula

2. Buat dan Aktifkan Virtual Environment

Windows:

python -m venv env
env\Scripts\activate

Mac/Linux:

python3 -m venv env
source env/bin/activate

3. Instalasi Requirements

pip install -r requirements.txt

---

📝 Catatan

• Pastikan Python versi 3.9 atau lebih baru.
• Jika menggunakan Python 3.10+, pastikan modul distutils tersedia. Jika tidak, install secara manual:

  pip install setuptools