klasifikasi di Python adalah scikit-learn. Scikit-learn menyediakan algoritma klasifikasi yang siap pakai dan berbagai alat untuk memproses data. 


from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# Mengambil dataset iris sebagai contoh
iris = datasets.load_iris()
X = iris.data  # Fitur-fitur
y = iris.target  # Label

# Membagi data menjadi data latih dan data uji
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Membuat model klasifikasi KNN
knn = KNeighborsClassifier(n_neighbors=3)

# Melatih model menggunakan data latih
knn.fit(X_train, y_train)

# Memprediksi label dari data uji
y_pred = knn.predict(X_test)

# Menghitung akurasi prediksi
accuracy = accuracy_score(y_test, y_pred)
print("Akurasi:", accuracy)

Dalam contoh di atas, kami menggunakan dataset bawaan Iris dari scikit-learn. Kami membagi dataset menjadi data latih dan data uji menggunakan fungsi train_test_split. Kemudian, kami membuat objek KNeighborsClassifier sebagai model klasifikasi KNN dan melatihnya menggunakan data latih. Setelah itu, kami menggunakan model untuk memprediksi label dari data uji dan menghitung akurasinya menggunakan accuracy_score.

Ini hanya contoh sederhana, dan terdapat berbagai algoritma klasifikasi yang dapat digunakan tergantung pada masalah yang Anda hadapi. Scikit-learn menyediakan banyak opsi, termasuk Decision Trees, Random Forests, Support Vector Machines, dan banyak lagi. Anda dapat menyesuaikan contoh di atas atau mencari dokumentasi scikit-learn untuk mempelajari lebih lanjut tentang pemrograman klasifikasi Python dengan pustaka ini.