Berikut adalah rangkuman singkat namun on-point tentang materi yang diminta:

📊 1. Regresi

• Pengertian: Teknik statistik untuk memodelkan hubungan antara variabel independen dan dependen.
• Konsep: Menghitung garis terbaik yang meminimalkan kesalahan antara prediksi dan data aktual (metode kuadrat terkecil).
• Cocok untuk: Data kontinu dengan hubungan linier antara variabel.
• Kelebihan: Sederhana, mudah diinterpretasikan.
• Kelemahan: Tidak efektif untuk data non-linier atau dengan banyak outlier.

🌳 2. Decision Tree

• Pengertian: Model prediktif berbentuk pohon untuk klasifikasi atau regresi.
• Konsep: Membagi dataset berdasarkan atribut menggunakan aturan keputusan (misalnya, Gini Index atau Entropy).
• Cocok untuk: Data kategorikal dan numerik.
• Kelebihan: Mudah dipahami, bekerja dengan data campuran.
• Kelemahan: Rentan terhadap overfitting.

📊 3. Hierarchical Clustering

• Pengertian: Metode klasterisasi untuk mengelompokkan data dalam hierarki.
• Konsep: Menggabungkan atau memecah kelompok data berdasarkan kemiripan.
• Cocok untuk: Data tanpa label dengan hubungan hierarkis.