Ada modul yang namanya Sikit-Learn apa itu ?

Scikit-learn adalah sebuah library  Machine Learning sumber terbuka untuk Python yang dibangun di atas NumPy, SciPy, dan matplotlib. Library ini  menyediakan alat yang sederhana dan efisien untuk penambangan data dan analisis data, dan banyak digunakan dalam industri dan akademia. Scikit-learn mencakup berbagai algoritma untuk klasifikasi, regresi, pengelompokan, reduksi dimensi, dan pemilihan model, serta utilitas untuk preprocessing, ekstraksi fitur, dan evaluasi model.

Contoh:

Anda memiliki sebuah file spreadsheet CSV yang berisi data tentang harga rumah dan fitur lain seperti  luas tanah, jumlah kamar,  jarak dari pusat kota,. Anda ingin memprediksi harga rumah berdasarkan fitur-fitur tersebut menggunakan algoritma regresi.

Berapa prediksi harga rumah dengan jumlah kamar 4, luas tanah 1200 dan jarak dari puat kota 40 .

Untuk melakukan ini, Anda bisa mengimpor file spreadsheet ke Python menggunakan library seperti pandas, dan menggunakan scikit-learn untuk membangun model regresi.
contoh data spreadshet pada file datarumah.csv

luas,kamar,jarak,harga
1000,3,5,300000
1200,4,10,400000
900,2,15,250000
1100,3,12,350000
1300,4,8,450000
1000,3,5,400000
1200,4,10,400000
900,2,15,250000
1000,3,12,300000
1300,4,8,450000
1000,3,5,300000
1200,4,10,400000
900,2,15,250000
1100,3,12,350000
1300,4,8,450000
1000,3,5,300000
1200,4,10,400000
900,2,15,250000
1100,3,12,350000
1300,4,8,450000
1000,3,5,300000
1200,4,10,400000
900,2,15,250000
1100,3,12,350000
1300,4,8,450000
1000,3,5,300000
1200,4,10,400000
900,2,15,250000
1100,3,12,350000
1300,4,8,450000
1000,3,5,300000
1200,4,10,400000
900,2,15,250000
1100,3,12,350000
1300,4,8,450000

Berikut ini adalah scrypt python yang dapat digunakan untuk menghitung prediksi harga sebauh rumah dengan contoh diatas

Prosesnya adalah :
Install terlebh dahulu scikit-learn dengan perintah
pip install scikit-learn

selanjutnya buat file datarumah.csv dengan menggunakan data diatas, selanjutnya buat file main.py dengan isi script berikut ini

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# Memanggila file datarumah.csv kedalam proses panda
df = pd.read_csv("housing_data.csv")

# Split data menjadi (X) dan terget (y)
X = df[['luas', 'kamar', 'jarak']]
X.columns = ['luas', 'kamar', 'jarak'] # add column names
y = df['harga']

# Split data kedala training dan menentukan nilai testing
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# Train model dengan training data
reg = LinearRegression()
reg.fit(X_train, y_train)

#Pergunakan model untuk prediksi dengan data testing
y_pred = reg.predict(X_test)

# Print hasil prediksi
print("Hasil Tes Prediksi", y_pred)

# angka data untuk memprediksi harga
inputs = np.array([[5, 2000, 10]]) # luas, kamar, jarak

# Gunakan model untuk prediksi
price_prediction = reg.predict(inputs)

# Print prediksi
print("Predicted price:", price_prediction[0])

selanjutya sila jalankan main.py dengan perintah :
python3 main.py

anda akan melihat hasil prediksi harga dari Ruang sebanyak 5 , luas 2000 dan jarak 10