Decision Tree Pertemuan : 13.

Slides:



Advertisements
Presentasi serupa
Pohon Keputusan (Decision Tree)
Advertisements

Diadaptasi dari slide Jiawei Han
Pertemuan 8 STRUKTUR POHON (TREE).
PERTEMUAN 14 POHON (TREE).
METODE INFERENSI.
Pohon Keputusan (Decision Tree)
Kategori SPK.
Knowledge Representation (lanjutan)
TEORI GRAF.
Bab IX P O H O N waniwatining.
BAB 9 POHON.
STRUKTUR DATA GRAPH dan DIGRAPH
Pohon.
NoOUTLOKTEMPERATUREHUMIDITYWINDYPLAY 1SunnyHotHighFALSENo 2SunnyHotHighTRUENo 3CloudyHotHighFALSEYes 4RainyMildHighFALSEYes 5RainyCoolNormalFALSEYes 6RainyCoolNormalTRUEYes.
Pencarian (Searching)
BAB 9 POHON.
Decision Tree.
TEORI GRAF.
Struktur Data dan Penyajian Data
Perbandingan Algoritma Brute Force dan Depth First Search (DFS) dalam Kasus Travelling Salesman Problem (TSP) Ervin Yohannes ( )
Decision Tree.
STUDI KASUS KLASIFIKASI Algoritma C 4.5
Pendekatan Inferensi dalam Sistem Pakar
Bahan Kuliah IF2211 Strategi Algoritma
P O H O N ( T R E E ) Fitri Utaminingrum
Matematika Diskrit Kode Huffman Heru Nugroho, S.Si., M.T.
TERAPAN POHON BINER.
Algoritma C4.5. Algoritma C4.5 Object-Oriented Programming Introduction Algoritma C4.5 merupakan algoritma yang digunakan.
Data Mining Junta Zeniarja, M.Kom, M.CS
Decision Tree Classification.
Decision Tree Classification.
Bahan Kuliah IF2151 Matematika Diskrit
Diagram Pohon (Tree Diagram)
Pendekatan Inferensi dalam Sistem Pakar
Klasifikasi.
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
Decision Tree Analysis
POHON (TREE) Pertemuan 6.
Learning Outcomes Mahasiswa akan dapat menghitung penyelesaian model pengambilan keputusan dalam berbagai contoh aplikasi..
Oleh : Devie Rosa Anamisa
TREE (POHON).
P O H O N ( T R E E ) Fitri Utaminingrum
Matematika Diskrit Revisi 2016
Pohon.
Matematika Diskrit Semester Ganjil TA Kode Huffman.
Assalamu’alaikum Wr. Wb.
Sebagian besar (90%) penduduk Kota Semarang memiliki kebiasaan PHBS yang buruk. Sedangkan sebagian besar (60%) yang mempunyai kebiasaan olahraga yang baik.
GRAF (Bab 9) Informatics Engineering Department TRUNOJOYO UNIVERSITY
P O H O N ( T R E E ) Fitri Utaminingrum
POHON KEPUTUSAN (DECISION TREE)
Pohon Rinaldi M/IF2120 Matdis.
Graf By Serdiwansyah N. A..
MIK | FAKULTAS ILMU-ILMU KESEHATAN
Decision Tree Analysis
Data Mining DATA SET. Set Data Ada bermacam –macam cara untuk merepresentasikan data, Misalnya, atribut yang digunakan untuk menggambarkan jenis objek.
KLASIFIKASI.
Ukuran Penyebaran Data
Anggota Dwita Eprila ( ) Mayang Hermeiliza Eka Putri ( ) Nadiah Amelia ( ) Rafif Abdusalam ( ) Shofyan.
Perancangan Sistem Klasifikasi Masa Studi Mahasiswa Menggunakan Data Mining Berbasis Algoritma ID3 (Studi Kasus:Jurusan Teknik Komputer –Unikom) Oleh:
GUNAWAN Materi Kuliah [8]: (Sistem Pendukung Keputusan)
DATA PREPARATION Kompetensi
Pertemuan – 13 GRAF.
JIKA ORANG INI SAJA BISA APALAGI ENGKAU PASTI LEBIH DARI DIA
DATA PREPARATION.
STATISTIKA 2 2. Distribusi Sampling OLEH: RISKAYANTO
Pertemuan 10.
© presentationgo.compresentationgo.com By:.com PROSES DAN TEKNIK PENGAMBILAN KEPUTUSAN OLEH : Ikrima M. Mustafa, S.Sos.,MM Your Logo FAKULTAS EKONOMI BISNIS.
Data Mining Classification.
Universitas Gunadarma
Graf dan Analisa Algoritma
Transcript presentasi:

Decision Tree Pertemuan : 13

Decision Tree Decision Tree merupakan struktur flowchart yang mempunyai tree(pohon), dimana setiap simpul internal menandakan suatu tes atribut,setiap cabang merepresentasikan hasil tes, dan simpul daun merepresentasikan kelas atau distribusi kelas.

Alur pada Decision Tree Ditelusuri dari simpul akar ke simpul daun yang memegang prediksi kelas untuk contoh tersebut.

Decision tree mudah untuk dikonversi ke aturan klasifikasi (classification rule). Konsep data dalam decision tree dinyatakan dalam bentuk tabel dengan atribut dan record

Pohon (Tree) Pohon merupakan sebuah graf terhubung yang tidak mengandung sirkuit. Konsep pohon (tree) dalam teori graf merupakan konsep yang sangat penting, karena terapannya diberbagai bidang ilmu. Oleh karenanya antara pohon (tree) sangat erat hubungannya dengan teori graf.

Dari defenisi Pohon, ada dua sifat penting pada pohon yaitu: Terhubung Tidak mengandung sirkuit.

Karakteristik Tree: Pohon seringkali memiliki akar . karena setiap simpul pada pohon hanya memiliki satu lintasan akses dari setiap simpul lainnya, maka tidak mungkin bagi sebuah lintasan untuk membentuk simpul (loop) atau siklus (cycle) yang secara berkesinambungan melalui serangkaian simpul

Gambar

Data Rule Konsep Decision Tree Decision Tree Mengubah data menjadi pohon keputusan (decision tree) dan aturan-aturan keputusan (Rule) Decision Tree Data Rule

Konsep Data dalam Decision Tree Data dinyatakan dalam bentuk tabel yang tersusun atas atribut dan record Atribut menyatakan sebuah parameter yang dibuat sebagai kriteria dalam pembentukan tree Atribut terdiri atas atribut kriteria dan atribut target. Atribut target merupakan atribut yang menyatakan data solusi. Nilai pada masing-masing atribut disebut dengan instance

Continue...

Proses dalam Decision Tree Ubah bentuk data menjadi model tree Ubah model tree menjadi rules Sederhanakan rule (Proses Pruning)

Proses Data menjadi Tree

Continue.. Mengubah data menjadi tree dilakukan dengan menghitung nilai Entropy pada masing-masing kriteria dari sejumlah data sampel yang digunakan.

Mengubah Tree menjadi Rule

Conjunction dan Disjunction

Contoh Soal Dari 8 data sampel yang digunakan berikut akan diprediksi seseorang menderita penyakit Hipertensi atau tidak. Digunakan 3 kriteria penilaian, yaitu: Usia, berat badan, dan jenis kelamin. Tabel berikut menjelaskan data selengkapnya:

Penyelesaian: 1. Menghitung Entropi pada masing-masing kriteria

Nilai entropy untuk masing-masing kriteria :

Penyusunan Tree Awal

Penentuan Node berikutnya pada Berat Overweight

Kasus Soal 1 Waktu Paket Frekuensi Prioritas Kondisi Pendek Besar Sedang Rendah Gangguan Kecil Tinggi Panjang Normal

Pertanyaan: Buat Decision Tree Dan tentukan rule keputusannya dari kasus tersebut

Kasus Soal2

Pertanyaan: Buat Decision Tree Dan tentukan rule keputusannya dari kasus tersebut Apakah Prediksinya jika diketahui: Seorang wanita muda yang merokok tetapi tidak berolah raga?