Presentation for **Shaping the Workflow: Co-designing Ecosystem Indicators**

Analisis ini membahas klasifikasi tipe kamar Airbnb di New York City menggunakan metode Multinomial Logistic Regression dan Linear Discriminant Analysis (LDA). Dataset Airbnb NYC 2019 dianalisis melalui tahapan data preprocessing, feature engineering, exploratory data analysis (EDA), pembangunan model klasifikasi multiclass, evaluasi performa model, hingga perbandingan kedua metode klasifikasi. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi tipe kamar Airbnb, seperti harga, lokasi, availability, aktivitas review, dan karakteristik host. Selain itu, analisis juga mengevaluasi kemampuan kedua model dalam mengenali kategori room type yang berbeda, termasuk tantangan klasifikasi pada kelas minoritas seperti Shared room. Hasil analisis menunjukkan bahwa kedua model memiliki performa klasifikasi yang cukup baik dengan accuracy sekitar 82,9%, namun masih dipengaruhi oleh kondisi class imbalance pada dataset. Secara umum, Multinomial Logistic Regression unggul dalam interpretasi probabilitas dan pengaruh variabel, sedangkan Linear Discriminant Analysis menunjukkan performa yang lebih seimbang dalam klasifikasi multiclass serta visualisasi separasi antar kelas.

Overview of Nykaa campaign dataset and project goals

Trabajo Final Samuel Barrera y Juan Felipe Velez