JULIUS SIHOTANG
DBC 113 174
Teknik Informatika Universitas Palangka Raya
Email : msp.juliussihotang@gmail.com
ABSTRAK
Pohon keputusan merupakan sebuah sistem atau cara yang manusia kembangkan untuk
membantu mencari solusi
memperhitungkan berbagai macam faktor yang ada dalam masalah tersebut. Secara umum,
pohon keputusan adalah suatu pemodelan dari suatu persoalan yang terdiri dari serangkaian
keputusan yang mengarah ke solusi.
implementasi teknik untuk menggunakan pohon keputusan dalam pengambilan keputusan dari
suatu masalah sesuai dengan teori keputusan baik algoritma C4.5 maupun algoritma C5.0.
Masalah yang dibahas adalah perbedaan kedua algoritma tersebut dalam menyelesaikan
permasalahan kredit. Simpul dalam pohon keputusan ini menyatakan keputusan dan faktor dari
luar, sedangkan ujung dari pohon keputusan menyatakan solusi. Setiap keputusan yang diambil
akan menghasilkan solusi yang berbeda pula.
Kata kunci : Pohon keputusan, pemodelan masalah, teori keputusan, solusi.
1. Pendahuluan
Kecerdasan
Intelligence)
bagian
dari
(Artificial
salah
komputer
satu
yang
dikembangkan
yang
khusus
untuk
bahasa
2. Landasan Teori
2.1. Pengambilan Keputusan
untuk
dalam
sebelumnya.
dilaksanakan.
Kesalahan
yang
harus
dilaksanakan
oleh
Mining
proses
yang
masa
merupakan
dalam prosesnya
yang
akan
datang,
down
proses
pengambilan
dan
Pohon
keputusan
juga
dapat
membantu
dalam
pengambilan
keputusan diwaktu yang akan datang. Polapola ini dikenali oleh perangkat tertentu
Dengan menggunakan
yang
kekurangan
dari
metode pohon
pohon
keputusan
ketika
kelas-kelas
dan
kriteria
yang
tersebut didesain.
decision
merupakan
tree.
himpunan
Decision
tree
IFTHEN.Setiap
C5.0
merupakan
merupakan
(pemangkasan).
Atribut
dengan
nilai
node
terdapat
percabangan.
Node,
Pada
merupakan
node
ini
adalah
digunakan
dibuat
oleh
Kredit
Mobil
Susanti
Di
(Universitas
PT
Ilmu
Dengan
Tidak Lancar.
tingkat
dilakukan
algoritma
pengujian
C4.5.
akurasinya
tergolong
Good
metode
Kelebihan :
Kelebihan penggunaan metode decision tree
pada jurnal pertama ini adalah tingkat
Pada gambar yang menjadi akar dari pohon
pengambilan
perhitungan-perhitungan
yang
diperlukan,
decision
keputusan
karena
pada
nasabah
yang
tidak
tree
kriteria tertentu.
Lancar.
Kekurangan :
3. Jika waktu pendek, pendapatankecil
dan pinjaman sedang, maka keterangan =
Lancar.
4.
Jika
waktu
pendek,
pendapatan
jurnal
kedua
penulis
melakukan
pelaku
kredit.
Penilaian
kemampuan
credit
scoring
dikembangkan
adalah
yang
akan
model
yang
kredit
diharuskan
mengisi
pada
tahap
skoring
kredit.
melunasi
kewajibannya
terkahir.
Rule 2 for
koran/tabungan,
kewajiban
Rule 1 for
Rekening
4.
and Jumlah
daripada
diinterpretasikan.
Rule 5 for
13000000
Lancar if
Penghasilan <=
lainnya
Model
untuk
prediksi
yang
model
banyak
terjadi
overlap,
jika
4. Penutup
memberikan
information
gain
beberapa
sample
kompleks.
klasifikasi
data
karena
sehingga
memudahkan
pengguna
Data.
2003
<URL:http://ikc.dinus.ac.id/umum/iko/ik
o-datamining.zip> diakses tanggal 30
December 2015.
2007.
Ernawati, I. Prediksi Status Keaktifan Studi
Mahasiswa Dengan Algoritma C5.0 dan
KNearest
Neighbor
[Tesis].
Institut
Algoritma
Jurnal
Informatika,
Mining
Pratical
Machine