Disusun Oleh :
Puji syukur kehadirat Allah SWT, atas rahmat dan hidayahnya kami dapat
menyusun makalah ini. Makalah ini dibuat bertujuan untuk menyelesaikan makalah
Data warehouse dan Mining serta mempelajarinya lebih dalam.
Makalah ini menjelaskan tentang contoh studi kasus dari materi Decision Tree,
untuk membantu dalam pengambilan keputusan.
Demikian penyusunan Makalah ini kami buat, mohon maaf apabila banyak
kata yang kurang berkenan. Semoga makalah ini dapat memberikan wawasan yang
lebih luas kepada pembaca. Walaupun makalah ini memiliki kelebihan dan
kekurangan. Penyusun mohon untuk saran dan kritiknya. Terima kasih.
PENDAHULUAN
Dengan pohon keputusan, manusia dapat dengan mudah melihat mengidentifikasi dan
melihat hubungan antara faktor-faktor yang mempengaruhi suatu masalah dan dapat
mencari penyelesaian terbaik dengan memperhitungkan faktor-faktor tersebut. Pohon
keputusan ini juga dapat menganalisa nilai resiko dan nilai suatu informasi yang
terdapat dalam suatu alternatif pemecahan masalah. Peranan pohon keputusan ini
sebagai alat Bantu dalam mengambil keputusan (decision support tool) telah
dikembangkan oleh manusia sejak perkembangan teori pohon yang dilandaskan pada
teori graf. Kegunaan pohon keputusan yang sangat banyak ini membuatnya telah
dimanfaatkan oleh manusia dalam berbagai macam sistem pengambilan keputusan.
1.2 Rumusan Masalah
1.3 Tujuan
PEMBAHASAN
Decision Tree adalah sebuah struktur pohon, dimana setiap node pohon
merepresentasikan atribut yang telah diuji, setiap cabang merupakan suatu pembagian
hasil uji, dan node daun (leaf) merepresentasikan kelompok kelas tertentu. Level node
teratas dari sebuah Decision Tree adalah node akar (root) yang biasanya berupa
atribut yang paling memiliki pengaruh terbesar pada suatu kelas tertentu. Pada
umumnya Decision Tree melakukan strategi pencarian secara top-down untuk
solusinya. Pada proses mengklasifikasi data yang tidak diketahui, nilai atribut akan
diuji dengan cara melacak jalur dari node akar (root) sampai node akhir (daun) dan
kemudian akan diprediksi kelas yang dimiliki oleh suatu data baru tertentu.
Secara konsep Decision tree adalah salah satu dari teknik decision analysis.Tries
sendiri pertama kali diperkenalkan pada tahun 1960-an oleh Fredkin. Trie atau digital
tree berasal dari kata retrival (pengambilan kembali) sesuai dengan fungsinya. Secara
etimologi kata ini diucapkan sebagai ‘tree’. Meskipun mirip dengan penggunaan kata
‘try’ tetapi hal ini bertujuan untuk membedakannya dari general tree. Dalam ilmu
komputer, trie, atau prefix tree adalah sebuah struktur data dengan representasi
ordered tree yang digunakan untuk menyimpan associative array yang berupa string.
Berbeda dengan binary search tree (BST) yang tidak ada node di tree yang
menyimpan elemen yang berhubungan dengan node sebelumnya dan, posisi setiap
elemen di tree sangat menentukan. Semua keturunan dari suatu node mempunyai
prefix string yang mengandung elemen dari node itu, dengan root merupakan string
kosong. Values biasanya tidak terkandung di setiap node, hanya di daun dan beberapa
node di tengah yang cocok dengan elemen tertentu.
2.3 Manfaat Pohon Keputusan
Pohon keputusan adalah salah satu metode klasifikasi yang paling populer karena
mudah untuk diinterpretasi oleh manusia. Pohon keputusan adalah model prediksi
menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan
adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan.
Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-
break down proses pengambilan keputusan yang kompleks menjadi lebih simpel
sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari
permasalahan. Pohon Keputusan juga berguna untuk mengeksplorasi data,
menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan
sebuah variabel target.
PENUTUP
3.1 Kesimpulan
Secara singkat bahwa Decision Tree merupakan salah satu metode klasifikasi pada
Text Mining. Klasifikasi adalah proses menemukan kumpulan pola atau fungsi-fungsi
yang mendeskripsikan dan memisahkan kelas data satu dengan lainnya, untuk dapat
digunakan untuk memprediksi data yang belum memiliki kelas data tertentu (Jianwei
Pada umumnya Decision Tree melakukan strategi pencarian secara top-down untuk
solusinya. Pada proses mengklasifikasi data yang tidak diketahui, nilai atribut akan
diuji dengan cara melacak jalur dari node akar (root) sampai node akhir (daun) dan
kemudian akan diprediksi kelas yang dimiliki oleh suatu data baru tertentu.
3.2 Saran
Kami menyadari dalam pembuatan makalah ini tidaklah sempurna dan masih banyak
yang harus diperbaiki. Oleh karena itu, penulis memohon saran dan kritik yang
membangun dari pembaca agar untuk di kemudian hari penulis dapat menyusun
makalah yang lebih baik lagi. Semoga makalah ini bermanfaat untuk semua pihak.
Daftar Pustaka
https://fairuzelsaid.wordpress.com/2009/11/24/data-mining-konsep-
pohon-keputusan/
https://www.coursehero.com/file/22474491/Decision-tree-and-utility-
theory
https://www.researchgate.net/publication/315904431_DECISION_TREE
_LEARNING_UNTUK_PENENTUAN_JALUR_KELULUSAN_MAH
ASISWA
http://jurnal.uinsu.ac.id/index.php/query/article/download/1555/1268