Apa yang Akan Kita Bangun?

Kita akan membuat model klasifikasi yang mengenali jenis bunga Iris dari ukuran kelopak dan mahkotanya. Dataset Iris adalah dataset klasik yang sering dipakai untuk belajar machine learning.

Persiapan

Pastikan scikit-learn sudah terpasang di lingkungan Python-mu:

bash
pip install scikit-learn
Memuat Dataset dan Membagi Data

Muat dataset Iris lalu bagi menjadi data latih (80%) dan data uji (20%):

python
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

iris = load_iris()
X, y = iris.data, iris.target

X_latih, X_uji, y_latih, y_uji = train_test_split(
    X, y, test_size=0.2, random_state=42
)
print(f"Data latih: {len(X_latih)} | Data uji: {len(X_uji)}")
Melatih Model

Kita pakai Decision Tree, salah satu model paling mudah dipahami untuk klasifikasi:

python
from sklearn.tree import DecisionTreeClassifier

model = DecisionTreeClassifier()
model.fit(X_latih, y_latih)  # model "belajar" dari data latih
Evaluasi Akurasi

Uji model terhadap data yang belum pernah dilihatnya, lalu hitung akurasinya:

python
from sklearn.metrics import accuracy_score

prediksi = model.predict(X_uji)
akurasi = accuracy_score(y_uji, prediksi)
print(f"Akurasi: {akurasi:.2f}")  # biasanya > 0.90 untuk dataset Iris

Pahami alur kerja dulu (muat data → bagi → latih → evaluasi) sebelum mencoba model atau dataset yang lebih besar. Alur ini berlaku untuk hampir semua proyek machine learning.