- Klasifikasi Jenis Musik Berdasarkan Lirik dengan Naive Bayes
- Deskripsi : Proyek ini bertujuan untuk mengklasifikasikan jenis musik (misalnya pop, rock, hip-hop, jazz) berdasarkan lirik lagu menggunakan analisis teks. Naive Bayes cocok karena mampu menangani data teks secara efisien.
- Jenis Data : Dataset lirik lagu dengan label genre musik. Dataset dapat diperoleh dari lirik lagu dengan genre yang sudah diketahui.
- Model yang Dibutuhkan: Multinomial Naive Bayes atau Bernoulli Naive Bayes untuk klasifikasi teks.
2. Klasifikasi Makanan Berdasarkan Komposisi Nutrisi Menggunakan K-Nearest Neighbors (K-NN)
- Deskripsi: Proyek ini bertujuan untuk mengklasifikasikan jenis makanan (seperti makanan sehat, cepat saji, camilan) berdasarkan komposisi nutrisi seperti kalori, protein, lemak, dan karbohidrat. K-NN dapat digunakan untuk mengklasifikasikan makanan dengan melihat kemiripan nutrisi.
- Jenis Data: Dataset nutrisi dari berbagai jenis makanan, yang biasanya mencakup kandungan kalori, protein, lemak, karbohidrat, dan kategori makanan.
- Model yang Dibutuhkan: K-Nearest Neighbors (K-NN) untuk klasifikasi makanan berdasarkan kemiripan komposisi nutrisi.
3. Prediksi Durasi Waktu Masak Berdasarkan Bahan dan Metode Memasak Menggunakan Linear Regression
- Deskripsi: Proyek ini bertujuan untuk memprediksi perkiraan waktu memasak berdasarkan bahan yang digunakan, jumlah bahan, dan metode memasak seperti menggoreng, merebus, atau memanggang. Linear Regression dapat digunakan untuk memodelkan durasi memasak.
- Jenis Data: Dataset resep dengan durasi memasak, bahan yang digunakan, dan metode memasak.
- Model yang Dibutuhkan: Multiple Linear Regression untuk menangkap pengaruh bahan dan metode memasak terhadap durasi memasak.
4. Klasifikasi Jenis Tanaman Berdasarkan Kondisi Tanah dan Iklim dengan K-Nearest Neighbors (K-NN)
- Deskripsi: Proyek ini bertujuan untuk mengklasifikasikan jenis tanaman yang cocok untuk suatu lahan berdasarkan kelembapan tanah, pH tanah, suhu, dan curah hujan. K-NN cocok untuk menemukan jenis tanaman yang optimal berdasarkan kesamaan lingkungan.
- Jenis Data: Dataset karakteristik tanah dan iklim untuk beberapa jenis tanaman beserta hasil pertumbuhannya.
- Model yang Dibutuhkan: K-Nearest Neighbors (K-NN) untuk mengklasifikasikan jenis tanaman berdasarkan lingkungan.
5. Prediksi Waktu Tunggu di Restoran Berdasarkan Jumlah Reservasi, Hari, dan Jam dengan Linear Regression
- Deskripsi: Proyek ini bertujuan untuk memprediksi waktu tunggu pelanggan di restoran berdasarkan jumlah reservasi, hari, jam, dan jumlah staf. Linear Regression digunakan untuk menganalisis pengaruh berbagai faktor operasional terhadap waktu tunggu.
- Jenis Data: Dataset waktu tunggu di restoran yang mencakup informasi jumlah reservasi, hari, jam, dan jumlah staf yang bekerja.
- Model yang Dibutuhkan: Multiple Linear Regression untuk memprediksi waktu tunggu pelanggan berdasarkan faktor-faktor operasional.