Scribd
Unggah
122 tayangan7 halaman

Jobsheet 14 - Decision Tree

Jobsheet ini membahas decision tree untuk membantu pengambilan keputusan dengan menggunakan model pohon keputusan. Metode ini menjelaskan konsep dasar termasuk node, cabang, dan pemisahan, serta mendemonstrasikan cara kerjanya dengan contoh kasus perjalanan dan waktu. Mahasiswa diajak mempraktikkan membangun decision tree menggunakan bahasa Python dengan mengimport library, mendefinisikan dataset, dan menghitung entropi serta information gain untuk mem

Diunggah oleh

dewi laylaturrohmah
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
122 tayangan7 halaman

Jobsheet 14 - Decision Tree

Jobsheet ini membahas decision tree untuk membantu pengambilan keputusan dengan menggunakan model pohon keputusan. Metode ini menjelaskan konsep dasar termasuk node, cabang, dan pemisahan, serta mendemonstrasikan cara kerjanya dengan contoh kasus perjalanan dan waktu. Mahasiswa diajak mempraktikkan membangun decision tree menggunakan bahasa Python dengan mengimport library, mendefinisikan dataset, dan menghitung entropi serta information gain untuk mem

Diunggah oleh

dewi laylaturrohmah
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 7

JOBSHEET 14

Decision Tree
(Pohon Keputusan)

Tujuan
Mahasiswa diharapkan dapat:
• Mahasiswa memahami cara kerja decision tree.
• Mahasiswa dapat mengetahui dan mengenal contoh studi kasus yang dapat
diselesaikan dengan metode decision tree
• Mahasiswa mampu menerapkan metode decision tree menggunakan bahasa
Python

Ringkasan Materi
1. Definisi Decision Tree
Alat pendukung keputusan yang menggunakan model keputusan seperti pohon. Istilah
pada decision tree adalah seperti berikut:

• Root Node : merepresentasikan seluruh populasi


• Leaf Node/terminal node : node yang tidak dapat dipisahkan lagi menjadi node yang
lain
• Parent/Child node : root node adalah parent node. Dan semua cabangnya adalah child
node
• Splitting : Memisah root node/sub node menjadi bagian yang berbeda
• Branch/Subtree : Dibentuk dengan splitting tree/node
• Pruning : menghapus branch dari tree (kebalikan dari splitting)

Proses pembentukan decision tree menggunakan beberapa algoritma ID3, C4.5, CHART,
CHAID, MARS. Pada Jobsheet ini akan forkus menggunakan ID3 untuk pembentukan decision
tree. Langkah algoritma decision tree adalah seperti berikut:

1. Tree dimulai dengan sebuah simpul yang merepresentasikan sampel data pelatihan
yaitu dengan membuat node
2. Pada setiap iterasi pada atribut yang tidak digunakan hitung entropi dan information
gain
3. Memilih atribut yang memiliki entropi terkecil atau information gain terbesar
4. kemudian sample data displit berdasarkan atribut terpilih
5. Algoritma terus berulang untuk setiap subset, memproses atribut yang belum dipilih
pada langkah sebelumnya

2. Contoh Decision Tree


Representasi Pengetahuan secara logika untuk tree di bawah ini adalah sebagai berikut:
Leave At

10 AM 9 AM
8 AM
Stall? Accident?

No Yes Long No Yes

Short Long Medium Long

Dari tree di atas kita dapat membuat keputusan seperti berikut:


• Jika kita berangkat (leave) jam 10 pagi dan tidak ada mobil yang mogok (stall) di jalan,
berapa waktu perjalanan kita? Short

PRAKTIKUM
1) Pada percobaan yang menerapkan decision tree dengan bahasa python ini, mula-mula
kita mengimport library yang digunakan:

2) Setelah itu kita Mendefinisikan dataset yang akan digunakan:

3) Membuat dataframe
4) Setelah itu mencari entropi suatu kejadian

5) Setelah itu mencari entropi untuk setiap atribut


Menggunakan rumus:
Menyimpan entropi untuk setiap atribut

6) Menghitung information gain untuk setiap atribut


Menggunakan rumus :

Menyimpan information gain untuk setiap atribut di dict


7) adalah code yang sudah complete
8) Cara untuk menggunakan code tersebut adalah
Pertama lakukan instalasi pprintpp

Laku gunakan code berikut ini

9) Hasil akhir decision tree adalah seperti berikut

Anda mungkin juga menyukai