🏠 Prediksi Harga Rumah: Perbandingan Ridge, Lasso, & Elastic Net Regression

Project ini nyoba ngebandingin tiga model regression yang sama-sama dari keluarga Linear Regression, tapi beda gaya dalam “mengatur koefisien” biar gak overfitting:

• 🧘 Ridge Regression → ngecilin koefisien, tapi gak hapus fitur.
• ✂️ Lasso Regression → bisa hapus fitur yang dianggap gak penting.
• ⚖️ Elastic Net Regression → kombinasi dua gaya di atas (lebih fleksibel).

Dataset yang dipakai: California Housing Dataset — berisi 20.640 data wilayah di California lengkap sama fitur-fitur seperti MedInc, HouseAge, AveRooms, AveOccup, Latitude, dan Longitude.

---

💡 Tujuan

Ngebandingin performa ketiga model regression dalam menebak harga median rumah (MedHouseVal) berdasarkan fitur lingkungan dan sosial ekonomi.

---

🧩 Struktur Dataset

Kolom	Keterangan
MedInc	Pendapatan rata-rata per blok (x10,000 USD)
HouseAge	Umur rata-rata rumah di area itu
AveRooms	Jumlah rata-rata kamar per rumah
AveBedrms	Jumlah rata-rata kamar tidur
Population	Total penduduk
AveOccup	Rata-rata penghuni per rumah
Latitude	Garis lintang
Longitude	Garis bujur
MedHouseVal	Harga median rumah (target)

---

⚙️ Langkah Utama

1️⃣ Import Dataset

Pake fetch_california_housing dari sklearn.datasets. Data otomatis keambil langsung dari library scikit-learn.

2️⃣ Pisahin Fitur & Target

X = df.drop('MedHouseVal', axis=1)  # fitur
y = df['MedHouseVal']               # target (harga rumah)

axis=1 artinya kita hapus kolom target dari kolom horizontal (kolom, bukan baris).

3️⃣ Bagi Data jadi Training & Testing

Pake train_test_split() biar AI bisa belajar dari 80% data dan diuji di 20% sisanya.

4️⃣ Standarisasi Data

Biar tiap fitur punya skala seimbang (ngindarin dominasi fitur gede kayak pendapatan).

5️⃣ Latih 3 Model Sekaligus

ridge_model = Ridge(alpha=1.0)
lasso_model = Lasso(alpha=0.1)
elastic_model = ElasticNet(alpha=0.1, l1_ratio=0.5)

• alpha = seberapa keras “hukuman” buat koefisien besar.
• l1_ratio (khusus ElasticNet) = seimbangin antara gaya Lasso (L1) dan Ridge (L2).

6️⃣ Evaluasi Hasil

Gunain dua metrik:

• MSE (Mean Squared Error) → seberapa jauh prediksi dari nilai asli.
• R² Score → seberapa kuat model ngejelasin variabel target.

7️⃣ Visualisasi

Dibikin grafik batang buat ngebandingin nilai MSE dan R² semua model biar lebih mudah liat siapa jagonya.

---

📊 Hasil Singkat

Model	MSE ↓	R² ↑	Catatan
Ridge	Paling stabil	Tinggi	Cocok buat data multikolinearitas
Lasso	Sedikit lebih tinggi	Turun dikit	Cocok buat seleksi fitur
Elastic Net	Seimbang	Konsisten	Kombinasi terbaik overall

---

🖥️ Cara Jalanin Project

1. Clone atau download repo ini.

   git clone https://github.com/rifaldomalau/California-Housing-Dataset.git
   cd California-Housing-Dataset

2. Install dependencies:

   pip install -r requirements.txt

3. Jalankan notebook:

   jupyter notebook California-Housing-Dataset.ipynb

4. Baca setiap cell karena semua code udah dikasih komentar penjelasan lengkap 👀

---

💬 Catatan

• Model bisa di-tuning lagi dengan grid search biar hasilnya makin optimal.
• Ridge cocok kalau semua fitur relevan.
• Lasso bagus buat “nyaring” fitur.
• Elastic Net aman buat kombinasi keduanya.

---

📌 Project by: Hot Malau 📅 Tema: Supervised Learning – Regression (Regularized Linear Models) 🚀 Tools: Python + Scikit-learn + Matplotlib + Seaborn + Pandas