Hai, temen-temen semua. Kali ini
pembahasannya tentang Decision Tree. Apa sih Decision Tree itu?
Jadi, Decision Tree adalah salah satu model klasifikasi yang menggunakan struktur pohon, dimana setiap nodenya merepresentasikan atribut dan cabangnya merepresentasikan nilai dari atribut, sedangkan daunnya digunakan untuk merepresentasikan kelas.
Tahapan Algoritma Decision Tree :
1. Siapkan data training
2. Pilih atribut sebagai akar
- Untuk memilih atribut akar, didasarkan pada nilai Gain tertinggi dari atribut-atribut yang ada. Untuk mendapatkan nilai Gain, harus ditentukan terlebih dahulu nilai Entropy.
Rumus Entropy:
dimana ;
S = Himpuan Kasus
n = Jumlah Partisi S
pi = Proporsi dari Si terhadap S
Rumus Gain :
dimana;
S = Himpunan Kasus
A = Atribut
n = Jumlah Partisi Atribut A
|Si| = Jumlah Kasus pada partisi ke-i
|S| = Jumlah Kasus dalam S
- Perhitungan EntropyAkar
. Entropy Total
. Entropy (Outlook)
. Entropy (Temperature)
. Entropy (Humidity)
. Entropy (Windy)
- Perhitungan Entropy Akar
- Perhitungan Gain Akar
- Perhitungan Gain Akar
3. Buat cabang untuk tiap-tiap nilai
- Untuk memudahkan, dataset di filter dengan mengambil data yang memiliki kelembaban HUMIDITY = HIGH.
- Perhitungan Entropi dan Gain Cabang
4. Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama.
Nah, itu dia pembahasan mengenai Decision Tree kali ini. Mohon maaf atas apabila ada kesalahan atau kekeliruan, untuk itu kalian boleh komen dibawah apa untuk memperbaiki kekeliruannya atau mungkin ada masukan juga, silahkan tulis di kolom komentar dibawah. Sekian untuk pembahasan blog kali ini, jangan lupa pantengin terus pembahasan di blog-blog selanjutnya. Terima kasih dan Bye :)
Sumber :
Dosen Machinelearning ITPLN Ibu Efy Yosrita ,S.Si, M.Kom
Tidak ada komentar:
Posting Komentar