N Pelatih Kandang Latihan Stamin Menta Menan

o Sendiri a l g
1 Pengertian Ya Rutin Kuat PD Ya
2 Pengertian Ya Rutin Kuat Gerogi Tidak
3 Pengertian Ya Rutin Lemah PD Ya
4 Pengertian Ya Jarang Lemah PD Ya
5 Pengertian Ya Tidak ada Lemah PD Tidak
6 Pengertian Tidak Rutin Kuat PD Ya
7 Pengertian Tidak Jarang Lemah Gerogi Tidak
8 Menekan Ya Rutin Lemah PD Ya
9 Menekan Tidak Rutin Lemah Gerogi Tidak
1 Menekan Ya Jarang Lemah Gerogi Tidak
0
1 Menekan Ya Rutin Kuat PD Ya
1
1 Menekan Tidak Rutin Kuat PD Ya
2
Learning Dataset

Keterangan :
Atribut
o Pelatih
o Kandang Sendiri
o Latihan
o Stamina
o Mental
Kelas
Menang : Ya atau Tidak

Jumlah Data
Terdapat 12 data, yang terdiri dari :
o Ya (7 data)
o Tidak (5 data)
Langkah-langkah Algoritma C.45 :
1. Hitung Entropi Total dari Dataset

Sum(Tidak Entropi
Sum(Ya) ) Total Record
0,97986875
7 5 7 12
2. Hitung Entropi dan Gain dari Keseluruhan Dataset

Sum(Ya Sum(Tida
Node Atribut Nilai Sum(Nilai) ) k) Entropi
0,9852281
Pengertian 7 4 3 36
0,9709505
Pelatih
Menekan 5 3 2 94

0,9544340
Ya 8 5 3 03
Kandang
Tidak 4 2 2 1
Sendiri

0,8112781
Rutin 8 6 2 24
0,9182958
1 Latihan Jarang 3 1 2 34
Tidak Ada 1 0 1 0

0,7219280
Kuat
5 4 1 95
0,9852281
Stamina Lemah
7 3 4 36

0,5435644
PD
8 7 1 43
Mental Gerogi 4 0 4 0

Setelah menghitung entropi dan gain dari keseluruhan dataset, nilai gain terbesar adalah Gain
(Mental). Maka Mental menjadi node akar (root node). Kemudian pada mental gerogi, memiliki 4
kasus dan semuanya memiliki jawaban Tidak. Dengan demikian mental gerogi menjadi daun atau
leaf. Maka dapat digambarkan pohon keputusan node 1 sebagai berikut :
 Berdasarkan pembentukan pohon node 1 (root node), node 1.1 akan dianalisis lebih lanjut. Untuk
mempermudah, tabel 1 difiliter, dengan mengambil data yang memiliki Mental = PD sehingga
jadilah tabel berikut ini :

Kandang Stami Menan

No Pelatih Sendiri Latihan na Mental g
1 Pengertian Ya Rutin Kuat PD Ya
2 Menekan Ya Rutin Lemah PD Ya
3 Pengertian Ya Rutin Lemah PD Ya
4 Pengertian Ya Jarang Lemah PD Ya
5 Pengertian Ya Tidak ada Lemah PD Tidak
6 Pengertian Tidak Rutin Kuat PD Ya
7 Menekan Ya Rutin Kuat PD Ya
8 Menekan Tidak Rutin Kuat PD Ya

Kemudian data di tabel 4 dianalisis dan dihitung lagi entropi atribut Mental PD dan entropi setiap
atribut serta gainnya sehingga hasilnya seperti data pada tabel 6.
3. Hitung Entropi Total dari node 1.1

Sum(Tid Entropi
Atribut Sum(Ya) ak) Total Record
Mental = 0,5435644
"PD" 7 1 43 8

4. Hitung Entropi dan Gain dari node 1.1

Sum(Ya Sum(Tida
Node Atribut Nilai Sum(Nilai) ) k) Entropi
1.1 Pengertia 0,72192809
n 5 4 1 5
Pelatih Menekan 3 3 0 0

Kandang Ya 6 5 1 0,65002242
Sendiri 2
 Tidak 2 2 0 0

Rutin 6 6 0 0
Jarang 1 1 0 0
Latihan Tidak Ada 1 0 1 0

Kuat 4 4 0 0
0,81127812
Lemah
Stamina 4 3 1 4

Dari hasil perhitungan entropi dan gain dari keseluruhan proses node 1.1, nilai tertinggi terletak
pada Gain (Latihan). Jadi atribute Latihan yang menempati node 1.1. Dari data tersebut, dapat
diambil kesimpulan bahwa proses Algoritma C.45 pada dataset ini, berhenti pada tahapan ini.
Karena nilai yang terdapat pada Atribute Latihan semuanya bernilai mutlak. Gambar akhir dari
pohon keputusan dari kasus ini adalah sebagai berikut :