Magister Teknik Informatika

Fakultas Teknologi Industri

Universitas Islam Indonesia



LEMBAR TUGAS MATERI 6
Model Klasifikasi Decision Tree dan Nave Bayes
Materi : Data Mining
Matakuliah : Sistem Pendukung Keputusan
Dosen : Lizda Iswari, M.Sc.

Nama Mhs : Dwi Mukti Wibowo (13917113)

Diberikan data delapan nasabah Bank seperti tampak pada Tabel 1.
Tabel 1. Data Nasabah Bank
Nasabah Tabungan Aset Pendapatan Risiko Kredit
1 Sedang Tinggi 75 Baik
2 Rendah Rendah 50 Buruk
3 Tinggi Sedang 25 Buruk
4 Sedang Sedang 50 Baik
5 Rendah Sedang 100 Baik
6 Tinggi Tinggi 25 Baik
7 Rendah Rendah 25 Buruk
8 Sedang Sedang 75 Baik

Dari data tersebut buatlah Decision Tree dan tentukan peluang risiko kredit baik atau buruk
seorang nasabah berdasarkan Tree dan model klasifikasi Naive Bayes. Adapun kriteria nasabah
baru tersebut adalah:
Jumlah tabungan : tinggi
Aset : rendah
Pendapatan : 30
Untuk atribut Pendapatan bagi dalam 3 kategori: 0-50, 51-75, dan >75.

Peluang resiko baik atau buruk seorang nasabah berdasarkan Decision Tree
Entropy (Total) = -(5/8)*(LOG(5/8)/LOG(2))+-(3/8)*(LOG(3/8)/LOG(2)) = 0,954434
Entropy
(Tabungan, Tinggi) = -(1/2)*(LOG(1/2)/LOG(2))+-(1/2)*(LOG(1/2)/LOG(2)) = 1
(Tabungan, Sedang) = -(3/3)*(LOG(3/3)/LOG(2))+-(0/3)*(LOG(0/3)/LOG(2)) = 0
(Tabungan, Rendah) = -(1/3)*(LOG(1/3)/LOG(2))+-(2/3)*(LOG(2/3)/LOG(2)) = 0,918296
Entropy
(Aset, Tinggi) = -(2/2)*(log(2/2)/log(2))+-(0/2)*(log(0/2)/log(2)) = 0
(Aset, Sedang) = -(3/4)*(LOG(3/4)/LOG(2))+-(1/4)*(LOG(1/4)/LOG(2)) = 0,811278
(Aset, Rendah) = -(0/2)*(LOG(0/2)/LOG(2))+-(2/2)*(LOG(2/2)/LOG(2)) = 0
Entropy
(0-50) = -(2/5)*(log(2/5)/log(2))+-(3/5)*(log(3/5)/log(2)) = 0,970951
(51-75) = -(2/2)*(LOG(2/2)/LOG(2))+-(0/2)*(LOG(0/2)/LOG(2)) = 0
(>75) = -(1/1)*(LOG(1/1)/LOG(2))+-(0/1)*(LOG(0/1)/LOG(2)) = 0
Gain(Simpul, Atribut)
Gain(Total, Tabungan) = 0 ,954 - { (2/8)*1 + (3/8)*0 + (3/8)*0,918 } = 0,360073
Gain(Total, Aset) = 0,954 - { (2/8)*0 + (4/8)*0,811 + (2/8)*0 } = 0,548795
Gain(Total, Tabungan) = 0,954 - { (5/8)*0,971 + (2/8)*0 + (1/8)*0 } = 0,34759

Level Atribut Partisi
Jumlah
Kasus
(S)
Jumlah
Baik
(S1)
Jumlah
Buruk
(S2)
Entropy Gain
1 Total 8 5 3 0,954
Tabungan 0,36007
Tinggi 2 1 1 1,000
Sedang 3 3 0 0,000
Rendah 3 1 2 0,918
Aset 0,54880
Tinggi 2 2 0 0,000
Sedang 4 3 1 0,811
Rendah 2 0 2 0,000
Pendapatan 0,34759
0-50 5 2 3 0,971
51-75 2 2 0 0,000
>75 1 1 0 0,000




Tabel 2. Tabel Nasabah Level 2
Nasabah Tabungan Aset Pendapatan Resiko Kredit
3 tinggi sedang 25 Buruk
4 sedang sedang 50 Baik
5 rendah sedang 100 Baik
8 sedang sedang 75 Baik


Entropy (Aset) = -(3/4)*(LOG(3/4)/LOG(2))+-(1/4)*(LOG(1/4)/LOG(2)) = 0,811278
Entropy
(Tabungan, Tinggi) = -(0/1)*(log(0/1)/log(2))+-(1/1)*(log(1/1)/log(2)) = 0,000
(Tabungan, Sedang) = -(2/2)*(LOG(2/2)/LOG(2))+-(0/2)*(LOG(0/2)/LOG(2)) = 0,000
(Tabungan, Rendah) = -(1/1)*(LOG(1/1)/LOG(2))+-(0/1)*(LOG(0/1)/LOG(2)) = 0,000
Entropy
(Aset, Tinggi) = -(1/2)*(log(1/2)/log(2))+-(1/2)*(log(1/2)/log(2)) = 1
(Aset, Sedang) = -(1/1)*(LOG(1/1)/LOG(2))+-(0/1)*(LOG(0/1)/LOG(2)) = 0
(Aset, Rendah) = -(1/1)*(LOG(1/1)/LOG(2))+-(0/1)*(LOG(0/1)/LOG(2)) = 0
Gain(Simpul, Atribut)
Gain(Aset, Tabungan) = 0,811 - { (1/4)*0 + (2/4)*0 + (1/4)*0 } = 0,811278
Gain(Aset, Pendapatan) = 0,811 - { (2/4)*1 + (1/4)*0 + (1/4)*0 } = 0,311278


Aset
Tinggi
Baik
Sedang
? ? ?
Rendah
Buruk
Atribut Partisi
Jumlah
Kasus
S)
Jumlah
Baik
(S1)
Jumlah
Buruk
(S2)
Entropy Gain
Aset Sedang 4 3 1 0,811

Tabungan 0,811278
Tinggi 1 0 1 0
Sedang 2 2 0 0
Rendah 1 1 0 0

Pendapatan 0,31128
0-50 2 1 1 1
51-75 1 1 0 0
>75 1 1 0 0













Maka jika Kriteria Nasabah :
- Jumlah Tabungan : Tinggi
- Aset : Rendah
- Pendapatan : 30, maka akan beresiko Buruk.






Aset
Tinggi
Baik
Sedang
Tabungan
Tinggi
Buruk
Sedang
Baik
Rendah
Baik
Rendah
Buruk
Peluang resiko baik atau buruk seorang nasabah berdasarkan Naive Bayes
Nasabah Tabungan Aset Pendapatan Resiko Kredit
1 sedang tinggi 75 baik
2 rendah rendah 50 buruk
3 tinggi sedang 25 buruk
4 sedang sedang 50 baik
5 rendah sedang 100 baik
6 tinggi tinggi 25 baik
7 rendah rendah 25 buruk
8 sedang sedang 75 baik

Kriteria Nasabah :
- Jumlah Tabungan : Tinggi
- Aset : Rendah
- Pendapatan : 30

Atribut Partisi
Jumlah
Kasus
(S)
Jumlah
Baik
(S1)
Jumlah
Buruk
(S2)
Total 8 5 3
Tabungan
Tinggi 2 1 1
Sedang 3 2 1
Rendah 3 2 1
Aset
Tinggi 2 1 1
Sedang 4 3 1
Rendah 2 1 1
Pendapatan
0-50 5 2 3
51-75 2 2 0
>75 1 1 0







P(Baik) = 5 / 8 = 0,63
P(Buruk) = 3 / 8 = 0,38

P(Tabungan = Tinggi | Resiko Kredit = baik) = 1 / 5 = 0,2
P(Tabungan = Tinggi | Resiko Kredit = buruk) = 1 / 3 = 0,33
P(Aset = rendah | Resiko Kredit = baik) = 1 / 5 = 0,2
P(Aset = rendah | Resiko Kredit = buruk) = 1 / 3 = 0,33
Pendapatan = 30 | Resiko kredit = baik) = 2 / 5 = 0,4
Pendapatan = 30 | Resiko kredit = buruk) = 3 / 3 = 1

P(X | Resiko Kredit Baik) = 0,2 x 0,2 x 0,4 = 0,016
P(X | Resiko Kredit Buruk) = 0,333 x 0,3 x 1 = 0,111

P1 = P(X | Resiko Kredit Baik) * P(Baik) = 0,0 16 x 0, 6 = 0,01
P2 = P(X | Resiko Kredit Buruk) * P(Buruk) = 0,111 x 0,4 = 0,042

Kesimpulan >>> P1<P2 maka Resiko Kreditnya Buruk