issue14_done.ipyb

{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "b84b6a3f",
   "metadata": {},
   "source": [
    "# KELOMPOK 8"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "d075c057",
   "metadata": {},
   "source": [
    "1. 21181068\n",
    "2. 21181092\n",
    "3. 21181177"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "fc2caa00",
   "metadata": {},
   "source": [
    "### TOPIC 1"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "3ce1328c",
   "metadata": {},
   "source": [
    "### Telegeram Spam or Ham"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "877751d1",
   "metadata": {},
   "source": [
    "program ini dapat digunakan sebagai model pendeteksi spam yang telah mencapai akurasi 91,65% dalam mengklasifikasikan pesan Telegram sebagai spam atau pesan normal (ham). Model seperti ini dapat digunakan untuk berbagai keperluan.\n",
    "1. sumber data yang digunakan untuk melakukan pengujian menggunakan dataset yang telah didapatkan.\n",
    "2. kode ini tersedia pada website(kaggle) dengan menggunakan bahasa python dan di operasikan menggunakan jupyter notebook.\n",
    "3. perangkat yang dapat digunakan yaitu cukup komputer yang memiliki spesifikasi standar dan bisa mengoperasikan datasetnya."
   ]
  },
  {
   "cell_type": "markdown",
   "id": "41f63029",
   "metadata": {},
   "source": [
    "# TOPIC 2"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "e8633a91",
   "metadata": {},
   "source": [
    "### Prediksi Cuaca"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "7591b9fe",
   "metadata": {},
   "source": [
    "program prediksi cuaca digunakan untuk membaca cuaca pada masa mendatang. Hal ini bermanfaat dan mudah diakses karena sumber data yang melimpah dan dengan dukungan infrastruktur yang memadai dan pilihan tepat untuk proyek machine learning dengan berbagai skala dan tujuan\n",
    "1. sumber data yang digunakan dalam penelitian machine learning melalui BMKG, data satelit, dan dataset machine learning yang telah didapatkan\n",
    "2. kode program dataset yang digunakan telah tersedia menggunakan bahasa phyton yang diaplikasikan pada jupyter notebook\n",
    "3. dukungan infrastruktur yang digunakan adalah komputer dengan mengaplikasikan jupyter notebook"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "d0454cfe",
   "metadata": {},
   "source": [
    "# TOPIC 3"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "e047e2ed",
   "metadata": {},
   "source": [
    "### Pendeteksian Anomali Jaringan"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "d5bcfa93",
   "metadata": {},
   "source": [
    "Mencegah serangan siber dengan mendeteksi aktivitas jaringan yang tidak biasa.\n",
    "1.  Dataset ini tersedia secara bebas dan sering digunakan untuk proyek-proyek pembelajaran mesin terkait email spam. Bisa diakses di Apache SpamAssassin.\n",
    "2. Kaggle menyediakan berbagai notebook yang telah mengimplementasikan algoritma untuk pengklasifikasian email spam. Pengguna dapat menjalankan dan memodifikasi notebook tersebut sesuai kebutuhan mereka.\n",
    "3. perangkat yang digunakan untuk mendukung program ini yakni CPU: 4-Core Processor sudah cukup untuk proyek ini. \n",
    "RAM: 8 GB cukup untuk menangani dataset ukuran kecil hingga menengah.\n",
    "Penyimpanan: 256 GB SSD cukup untuk menyimpan dataset dan hasil pemrosesan.\n",
    "GPU: Tidak diperlukan, karena algoritma yang digunakan (seperti Naive Bayes atau Logistic Regression) tidak membutuhkan komputasi GPU yang intensif.\n",
    "Perangkat Lunak:\n",
    "\n",
    "Python: Bahasa pemrograman utama untuk proyek ini dengan pustaka-pustaka seperti:\n",
    "Scikit-learn: Untuk model pembelajaran mesin klasik seperti Naive Bayes, SVM, atau Logistic Regression.\n",
    "NLTK (Natural Language Toolkit): Untuk pemrosesan bahasa alami, seperti tokenisasi dan stemming.\n",
    "Pandas dan NumPy: Untuk pemrosesan dan analisis data.\n",
    "Jupyter Notebook: Untuk eksplorasi data dan pengembangan model interaktif."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "bea497be",
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.11.4"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}