Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

NoOUTLOKTEMPERATUREHUMIDITYWINDYPLAY 1SunnyHotHighFALSENo 2SunnyHotHighTRUENo 3CloudyHotHighFALSEYes 4RainyMildHighFALSEYes 5RainyCoolNormalFALSEYes 6RainyCoolNormalTRUEYes.

Presentasi serupa


Presentasi berjudul: "NoOUTLOKTEMPERATUREHUMIDITYWINDYPLAY 1SunnyHotHighFALSENo 2SunnyHotHighTRUENo 3CloudyHotHighFALSEYes 4RainyMildHighFALSEYes 5RainyCoolNormalFALSEYes 6RainyCoolNormalTRUEYes."— Transcript presentasi:

1

2 NoOUTLOKTEMPERATUREHUMIDITYWINDYPLAY 1SunnyHotHighFALSENo 2SunnyHotHighTRUENo 3CloudyHotHighFALSEYes 4RainyMildHighFALSEYes 5RainyCoolNormalFALSEYes 6RainyCoolNormalTRUEYes 7CloudyCoolNormalTRUEYes 8SunnyMildHighFALSENo 9SunnyCoolNormalFALSEYes 10RainyMildNormalFALSEYes 11SunnyMildNormalTRUEYes 12CloudyMildHighTRUEYes 13CloudyHotNormalFALSEYes 14RainyMildHighTRUENo

3 Langkah Penyelesaian Kasus Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut: 1. Pilih atribut sebagai akar. 2. Buatt cabang untuk tiap-tiap nilai. 3. Bagi kasus dalam cabang. 4. Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama.

4 Langkah Penyelesaian Kasus Node Jml Kasus (S)Tidak (S 1 )Ya (S 2 )EntropyGain 1TOTAL OUTLOOK CLOUDY404 0 RAINY SUNNY TEMPERATURE COOL4040 HOT4221 MILD HUMIDITY HIGH NORMAL7070 WINDY FALSE TRUE

5 Nilai Keputusan A Jumlah Kasus X Nilai Keputusan A Jumlah Kasus Nilai Keputusan B Jumlah Kasus LOG 2 X Nilai Keputusan B Jumlah Kasus LOG 2 Jumlah Kasus A Total Kasus X Entropy Keputusan A Entopy Total Jumlah Kasus B Total Kasus X Entropy Keputusan B Rumus Entropy Rumus Gain

6 Entropy (Total) = Sementara itu, nilai Gain pada pada baris OUTLOOK dihitung dengan menggunakan persamaan 1 sebagai berikut. Gain(Total, Outlook) =Entropy (Total)- Gain(Total, Outlook)= ((414*0.723+(-514*0.97)) Gain(Total,Outlook)=0,23

7 Entropy (Total) = Sementara itu, nilai Gain pada pada baris OUTLOOK dihitung dengan menggunakan persamaan 1 sebagai berikut. Gain(Total, Outlook) =Entropy (Total)- Gain(Total, Outlook)= ((414*0.723+(-514*0.97)) Gain(Total,Outlook)=0,23

8 Dari hasil pada tabel 2.2 dapat diketahui bahwa atribut dengan gain tertinggi adalah HUMIDITY, yaitu sebesar dengan demikian, HUMIDITY dapat menjadi node akar. Ada dua nilai atribut dari HUMIDITY, yaitu HIGHT dan NORMAL. Dari kedua nilai atribut tersebut, nilai atribut NORMAL sudah mengklasifikasikan kasus menjadi 1, yaitu keputusannya Yes, sehingga tidak perlu dilakukan penghitungan lebih lanjut, tetapi untuk nilai atribut HIGH masih perlu dilakukan perhitungan lagi 1 Humidity 1.1 ? Yes

9 Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan entropynya dari semua kasus dan kasus yang dibagi berdasarkan atribut OUTLOK, TEMPERATURE, dan WINDY yang dapat menjadi node akar dari nilai atribut HIGH, setelah itu, lakukan penghitungan Gain untuk tiap-tiap atribut hasil perhitungan ditunjukan oleh tabel Node Jml Kasus (S) Tidak (S 1 ) Ya (S 2 ) EntropyGain 1HUMIDITY- HIGH OUTLOOK CLOUDY2020 RAINY2111 SUNNY3300 TEMPERATURE COOL0000 HOT MILD4221 WINDY FASE4221 TRUE

10 Dari hasil pada tabel di atas dapat diketahui bahwa atribut dengan Gain tertinggi adalah OUTLOOK, yaitu sebesar dengan demikian OUTLOOK dapat menjadi node cabang dari nilai atribut HIGH. Ada tiga nilai atribut tersebut, nilai atribut CLOUDY sudah mengklasifikasikan kasus menjadi 1, yaitu keputusannya Yes dan nilai atribut SUNNY sudah mengklasifikasikan kasus menjadi satu dengan keputusan No. sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut RAINY masih perlu dilkukan perhitungan lagi. Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada Gambar Berikut ini: 1.1 Outlook Yes 1 Humidity Yes No

11 Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut TEMPERATURE dan WINDY yang dapat menjadi node cabang dari nilai atribut RAINY. Setelah itu, lakukan penghitungan Gain untuk tiap-tiap atribut. Hasil perhitungan ditunjukan oleh tabel di bawah ini Dari hasil tabel 2.4 dapat diketahui bahwa atribut dengan Gain tertinggi adalah WINDY, yaitu sebesar 1. Dengan demikian, WINDY dapat menjadi node cabang dari nilai atribut RAINY. Ada dua nilai atribut dari WINDY, yaitu FALSE dan True. Dari kedua nilai atribut tersebut, nilai atribut FALSE sudah mengklasifikasikan kasus menjadi 1, yaitu keputusan Yes dan nilai atribut True sudah mengklasifikasikan kasus menjadi satu dengan keputusan No, sehingga tidak perlu dilakukan perhitungan lebih lanjut nilai atribut ini.

12 Node Jml Kasus (S) Tidak (S 1 ) Ya (S 2 ) EntropyGain 1 HUMIDITY- HIGH dan OUTLOOK- RAINY 2111 TEMPERATURE 0 COOL0000 HOT0000 MILD2111 WINDY 1 FALSE1010 TRUE1100

13 1.1 Outlook Yes Windy YesNo 1 Humidity YesNo

14


Download ppt "NoOUTLOKTEMPERATUREHUMIDITYWINDYPLAY 1SunnyHotHighFALSENo 2SunnyHotHighTRUENo 3CloudyHotHighFALSEYes 4RainyMildHighFALSEYes 5RainyCoolNormalFALSEYes 6RainyCoolNormalTRUEYes."

Presentasi serupa


Iklan oleh Google