Supervised Learning adalah teknik pembelajaran di mana model dilatih
menggunakan data yang memiliki label, yaitu setiap contoh data sudah disertai
jawaban atau kategori yang benar.
Unsupervised Learning adalah teknik pembelajaran di mana model dilatih
menggunakan data tanpa label, sehingga tidak ada informasi jawaban atau
kategori yang diberikan sebelumnya. Dalam kondisi ini, model berupaya
memahami karakteristik alami dari data secara mandiri.
1. k-Nearest Neighbor (k-NN)
k-NN adalah algoritma berbasis kemiripan (similarity-based), di mana kelas
dari data baru ditentukan berdasarkan k tetangga terdekat.
2. Decision Tree
Decision Tree adalah model yang menggunakan struktur pohon keputusan
untuk memetakan input → output berdasarkan aturan pemisahan (splitting rules)
3. Support Vector Machine (SVM)
SVM adalah algoritma yang mencari hyperplane terbaik untuk memisahkan
kelas dalam ruang fitur.
4. Clustering (Unsupervised Learning)
Clustering bertujuan mengelompokkan data berdasarkan kemiripan tanpa
label. Algoritma paling umum adalah K-Means Clustering.
