Berikut ini akan saya berikan contoh pergitungan decision tree menggunakan algoritma C45 yang saya dapat dari berbagai sumber, sebagai referensi anda.Baik langsung saja berikut pejelasannya Untuk menentukan bermain tenis atau tidak, kriteria yang diperlukan meliputi: Salah satu atribut merupakan data solusi per item data yang disebut target atribut
-> misalnya atribut “play” degan nilai “main” atau “tidak main” Berdasakan tabel diatas akan dibuat tabel keputusan untuk menentukan main tenis atau tidak dengan melihat keadaan Outlook (cuaca), Temperatur, Humidity (kelembaban), dan windy (keadaan angin). Algoritma secara umum: -Pilih atribut sebagai akar -Buat cabang untuk tiap2 nilai -Bagi kasus dalam cabang -Ulangi proses utk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama Keterangan: Menghitung Nilai Entropy
Keterangan: Perincian algoritma ( langkah 1)
Perhitungan Perhitungan Total Entropy Menghitung gain pada baris Outlook Lakukan Hitung Gain untuk temperature, humidity dan windy Sepert yg terlihat pd tabel, diperoleh bhw atribut dgn Gain tertinggi adalah Humidity -> 0,37 Maka Humidity menjadi node akar Humidity memiliki dua nilai yaitu “High” dan “Normal” Humidity -> “Normal” sdh mengklasifikasikan kasus menjadi 1 yaitu keputusannya “yes” Untuk humidity -> “High” msh perlu dilakukan perhitungn lagi (karena masih terdapat “yes” dan “no”) Pohon Keputusan Node 1 Perincian Algoritma (Langkah 2) Hasil perhitungan (Langkah 2) Hasil perhitungan (Langkah 2) Didapat Gain tertinggi -> outlook -> 0,69 Maka “Outlook” menjadi node cabang dari atribut humidity yg bernilai “High” Berdasarkan atribut “Outlook” terdpt 3 nilai Cloudy Rainy Sunny Krn “Cloudy” pasti bernilai “Yes” dan “Sunny” pasti bernilai “No”, maka tdk perlu dilakukan perhitungan lagi Sedangkan “Rainy” bernilai “yes” dan “No”, maka masih perlu dilakukan perhitungan lagi Pohon keputusan node 1.1 Perincian algoritma (Langkah 3) Hasil perhitungan (Langkah 3) Hasil perhitungan (Langkah 3) Didapat Gain tertinggi -> Windy -> 1 Maka “Windy” menjadi node cabang dari atribut humidity yg bernilai “High” dan outlook yg bernilai “Rainy” Berdasarkan atribut “Windy” terdpt 2 nilai True False Karena “True” sdh terklasifikasi pasti bernilai “No” dan “False” pasti bernilai “Yes”, maka tidak perlu dilakukan perhitungan lagi Pohon keputusan node 1.1.2 Hasil perhitungan (Langkah 3) Berdasarkan node 1.1.2, maka: “Semua kasus sudah masuk dapat kelas” Sehingga pohon keputusan diatas merupakan pohon keputusan terakhir yang terbentuk Seperti yang telah diketahui macam-macam Algoritma Decison tree ada 3 yaitu :
Perhitungan diatas adalah implementasi menggunakan Algoritma C45, semoga bermanfaat sebagai bahan referensi anda. Kata kunci : Decision Tree dengan Algoritma C45, algoritma C45, Skipsi Teknik Informatika, Contoh Skripsi, Algoritma, skripsi |