Laporan

Klasifikasi Data Menggunakan Metode J48

Laporan ini diajukan untuk memenuhi tugas Mata Kuliah Data Mining
Tahun 2013/2014

Disusun Oleh:
117006031

Yuki Rizki Adam Nugraha

TEKNIK INFORMATIKA
FAKULTAS TEKNIK UNIVERSITAS SILIWANGI
Jln. Siliwangi no. 24 tasikmalaya kotak pos 164 tlp. (0265) 323537

E-mail : informatika@ft.unsil.ac.id ; url : www.unsil.ac.id

2014

1. DataSet playing_tennis_031.arff

2. Proses klasifikasi (classify) menggunakan metode Decision Tree (dalam software Weka disebut
sebagai metode J48). Snapshot berikut memperlihatkan tampilan Weka setelah metode J48
dipilih.

3. Proses testing menggunakan training set itu sendiri dengan memilih Cross- validation
sebagai Test Options. Set parameter folds = 10, hal ini berarti sistem akan mengacak data
training set dan mengambil sebagian dari datanya untuk dijadikan testing set. Proses ini
dilakukan sebanyak 10 kali dan hasil akhir merupakan akurasi rata- rata dari kesepuluh
percobaan tersebut. Klik tombol mouse-kanan pada bagian seperti yang ditunjukkan oleh
gambar berikut dan pilih Visualize Tree, maka pohon yang terbentuk akan ditampilkan.

4. Pohon keputusan ditampilkan sebagai berikut

Gambar diatas adalah tampilan pohon keputusan dari dataset playing tennis. Pohon keputusan diatas terdiri
dari 2 node attribut dan 4 node class. Dari setiap node terdapat district yang terhubung pada node lainnya
yang bersangkutan.

5. Observasi menggunakan Cross-validation dengan parameter folds = 5.

Jika memperhatikan hasil dari kedua percobaan di atas, terlihat sangat signifikan perubahan yang
terjadi pada nilai Precision, Recall, dan F-Measure. Dimana nilai pada percobaan yang
menggunakan Cross-validation dengan parameter folds = 5 nilainya lebih besar daripada
menggunakan Cross-validation dengan parameter folds = 10. Sehingga dapat diambil kesimpulan
untuk percobaan ini jika parameter foldsnya semakin kecil maka nilai yang dihasilkan akan lebih
besar, begitu pula sebaliknya.

6. DataSet breast-camcer.arff

7. Proses klasifikasi (classify) menggunakan metode Decision Tree (dalam software Weka disebut
sebagai metode J48). Snapshot berikut memperlihatkan tampilan Weka setelah metode J48
dipilih.

8. Proses testing menggunakan training set itu sendiri dengan memilih Cross- validation sebagai
Test Options. Set parameter folds = 10, hal ini berarti sistem akan mengacak data training set
dan mengambil sebagian dari datanya untuk dijadikan testing set. Proses ini dilakukan
sebanyak 10 kali dan hasil akhir merupakan akurasi rata- rata dari kesepuluh percobaan
tersebut. Klik tombol mouse-kanan pada bagian seperti yang ditunjukkan oleh gambar berikut
dan pilih Visualize Tree, maka pohon yang terbentuk akan ditampilkan.

9. Pohon keputusan ditampilkan sebagai berikut

10. Observasi menggunakan Cross-validation dengan parameter folds = 5.

Jika memperhatikan hasil dari kedua percobaan di atas, terlihat sangat signifikan perubahan yang
terjadi pada nilai Precision, Recall, dan F-Measure. Dimana nilai pada percobaan yang
menggunakan Cross-validation dengan parameter folds = 10 nilainya lebih besar daripada
menggunakan Cross-validation dengan parameter folds = 5. Sehingga dapat diambil kesimpulan
untuk percobaan ini jika parameter foldsnya semakin besar maka nilai yang dihasilkan akan lebih
besar, begitu pula sebaliknya.