Pertemuan Minggu ke3,KP- Senin  16 Oktober 2023, Pukul : 08.50 ΓÇô 12.00 WIB

Pertemuan Minggu ke 3 sesi 1, Senin, 16 Oktober 2023

Pohon Keputusan (Decision Tree) adalah salah satu metode dalam data mining dan analisis data yang digunakan untuk pengambilan keputusan. Ini adalah model prediktif yang mewakili alur keputusan dan konsekuensi dari berbagai keputusan yang dapat diambil. Pohon Keputusan digunakan dalam berbagai aplikasi, termasuk klasifikasi data, pemodelan prediktif, dan pengambilan keputusan.

Berikut adalah prosedur dan tahap pembuatan Pohon Keputusan:

1. Pengumpulan Data: Tahap pertama dalam pembuatan Pohon Keputusan adalah mengumpulkan data yang relevan. Data ini dapat berupa data historis atau data yang baru-baru ini dihasilkan.

2. Preprocessing Data: Data sering kali memerlukan preprocessing, termasuk penghapusan data yang hilang, penggabungan data dari berbagai sumber, dan normalisasi data.

3. Pembagian Data: Data dibagi menjadi dua bagian, yaitu data pelatihan (training data) dan data pengujian (testing data). Data pelatihan digunakan untuk membuat Pohon Keputusan, sementara data pengujian digunakan untuk menguji kinerja model.

4. Memilih Variabel Pemecah: Variabel yang digunakan untuk memecah data menjadi kelompok yang lebih kecil disebut variabel pemecah (splitting variable). Pemilihan variabel pemecah dilakukan berdasarkan kriteria tertentu, seperti Gini impurity atau entropi.

5. Membangun Pohon: Pada tahap ini, Pohon Keputusan mulai dibangun dengan mengambil variabel pemecah dan menghasilkan cabang-cabang pohon sesuai dengan nilai-nilai variabel pemecah tersebut.

6. Pengujian Kualitas: Kualitas pohon diperiksa dengan mengukur tingkat impurity atau ketidakmurnian di setiap node. Kriteria seperti Gini impurity atau entropi digunakan untuk mengukur tingkat ketidakmurnian.

7. Pruning (Pemangkasan): Pemangkasan adalah proses mengurangi kompleksitas pohon dengan menghapus cabang-cabang yang tidak signifikan. Hal ini dilakukan untuk mencegah overfitting, di mana pohon terlalu cocok dengan data pelatihan dan tidak bisa menggeneralisasi dengan baik.

8. Evaluasi Model: Setelah Pohon Keputusan selesai dibangun, model dievaluasi dengan menggunakan data pengujian untuk memeriksa sejauh mana model dapat memprediksi dengan benar.

Pengambilan Keputusan dengan Pohon Keputusan adalah proses berikut:

1. Mulai dari node akar pohon (root node).

2. Di setiap node, Anda mengevaluasi data input sesuai dengan variabel pemecah pada node tersebut. Ini mengarahkan Anda ke salah satu dari beberapa cabang yang mungkin.

3. Anda bergerak ke node berikutnya sesuai dengan hasil evaluasi data.

4. Anda mengulangi langkah 2 dan 3 sampai Anda mencapai simpul daun (leaf node) yang berisi prediksi atau keputusan akhir.

5. Keputusan akhir ini digunakan sebagai output dari model.

Pengambilan keputusan dengan Pohon Keputusan dilakukan dengan mengikuti alur keputusan di pohon hingga mencapai prediksi atau keputusan akhir.

Pohon Keputusan adalah alat yang sangat berguna dalam analisis data dan pengambilan keputusan karena memberikan transparansi dan mudah diinterpretasikan, dan dapat digunakan dalam berbagai domain, seperti bisnis, kedokteran, dan ilmu pengetahuan.