1. Sistem Rekomendasi Film Indonesia Berbasis Collaborative Filtering
Deskripsi : Projek ini bertujuan untuk merekomendasikan film diindonesia bedasarkan gender dan rating
Jenis data: menggunakan dataset imdb yang berada di Kaggle
Model : Matrix Factorization (misalnya, SVD atau ALS) dan K-Nearest Neighbors (K-NN)
2. Analisis terhadap Kandungan Nutrisi Makanan dan Minuman di Indonesia
Deskripsi: projek ini bertujuan untuk mengetahui kandungan nutrisi makanan dan minuman di Indonesia
Jenis data : meggunakan dataset makanan dan minuman di Indonesia
Model : K-Nearest Neighbors (K-NN)
3. Sistem Prediksi berhenti merokok.
Deskripsi: Berhenti merokok adalah tantangan besar bagi banyak orang karena nikotin menyebabkan ketergantungan fisik dan psikologis yang kuat.
Jenis data: menggunakan dataset public dari kaggle
Model : Random Forest atau Gradient Boosting dan Support Vector Machine (SVM)
4. Implementasi Random Forest dan XGBoost untuk Prediksi Harga Rumah
Deskripsi: Memprediksi harga rumah berdasarkan berbagai fitur dan Mengidentifikasi faktor yang paling mempengaruhi Harga.
Jenis data: Data Publik Ames Housing dataset dari Kaggle
Model : Random Forest Regressor DAN XGBoost
5. Perbandingan SVM dan Random Forest dalam Prediksi Diabetes
Deskripsi: Projek ini bertujuan Membantu tenaga medis dalam diagnosis awal penyakit diabetes.
Jenis data: Data Publik( CDC Diabetes Health Indicators dari uci )
Model : Support Vector Machine dan Random Forest