Jenis Kelamin

Memprediksi jenis kelamin dari nama bahasa Indonesia menggunakan Machine Learning.

Data set yang digunakan berasal dari data pemilih tetap Komisi Pemilihan Umum (KPU) yang bisa didapat disini. Saya telah menyiapkan data set yang telah di scrape dalam bentuk csv, terdiri dari 2 kolom, nama dan jenis kelamin disini.

Tampilan dataset, teridiri dari 13.137 nama

Nama	Jenis Kelamin
ERWIN TJAHJONO	Laki-Laki
DAVIANDRIE ANDIKA BAHROENY	Laki-Laki
ELAN KURNIAWAN	Laki-Laki
AYU DWI CAHYANING MUKTI	Perempuan
SITA.HJ	Perempuan

Metode klasifikasi yang digunakan adalah Logistic Regression, Naive Bayes dan Random Forest Tree dengan bantuan library Python Scikit Learn.

Setup program

1. Clone repository ini git clone git@github.com:irfani/Jenis-Kelamin.git
2. Masuk ke direktori project cd Jenis-Kelamin
3. Buat Python virtual environment python3 -m venv venv
4. Aktifkan virtual environment source venv/bin/activate
5. Install dependency pip3 install -r requirements.txt

Menjalankan program

python jenis-kelamin.py -h
usage: jenis-kelamin.py [-h] [-ml {NB,LG,RF}] [-t TRAIN] nama

Menentukan jenis kelamin berdasarkan nama Bahasa Indoensia

positional arguments:
  nama                  Nama

optional arguments:
  -h, --help            show this help message and exit
  -ml {NB,LG,RF}        NB=Naive Bayes(default); LG=Logistic Regression;
                        RF=Random Forest
  -t TRAIN, --train TRAIN
                        Training ulang dengan dataset yang ditentukan

Tebak jenis kelamin irfani ?

python jenis-kelamin.py irfani
Prediksi jenis kelamin dengan Naive Bayes :
irfani  :  Pria

Menjalankan program dengan metode Logistic Regression dan dataset yg ditentukan ulang

python jenis-kelamin.py -t "./data/data-pemilih-kpu.csv" -ml LG "niky felina"
Akurasi : 93.5135135135 %
Prediksi jenis kelamin dengan Logistic Regression :
niky felina  :  Wanita

Untuk mengubah prediksi nama dari nama bahasa negara lain atau bahasa daerah tertentu, dataset nya silahkan diganti sesuai kebutuhan

author: @irfani