MAKALAH

DATA WAREHOUSE & MINING

Disusun Oleh :

Adi Putera Agung M (172398)

Muhammad Iqbal Natsir (172370)
Hainul Qadri (172361)

SEKOLAH TINGGI MANAJEMEN INFORMATIKA

DAN KOMPUTER (STMIK) DIPANEGARA
MAKASSAR 2018
 KATA PENGANTAR

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.

Saya sebagai penyusun makala h ini menyadari sepenuhnya bahwa makalah

ini masih jauh dari sempurna.oleh karena itu,kritik dan saran yang ada relevansinya
dengan penyempurnaan makalah ini sangat Saya harapkan dari pembaca. Kritik dan
saran sekecil apapun akan kami perhatikan dan pertimbangkan guna perbaikan di
masa datang.

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.

Makassar, 5 Desember 2018

DAFTAR ISI
MAKALAH ................................................................................................................................................. 1
DATA WAREHOUSE & MINING ........................................................................................................... 1
KATA PENGANTAR......................................................................................................................................... 2
BAB I .............................................................................................................................................................. 4
PENDAHULUAN ............................................................................................................................................. 4
1.2 Rumusan Masalah ............................................................................................................................... 5
1.3 Tujuan ................................................................................................................................................. 5
BAB II ............................................................................................................................................................. 6
PEMBAHASAN ............................................................................................................................................... 6
2.1 Decision Tree....................................................................................................................................... 6
2.3 Manfaat Pohon Keputusan ................................................................................................................. 7
2.4 Kelebihan Pohon Keputusan ............................................................................................................... 7
2.5 Kelemahan Pohon Keputusan ............................................................................................................. 8
2.6 Contoh Kasus Pohon Keputusan ......................................................................................................... 9
BAB III .......................................................................................................................................................... 16
PENUTUP ..................................................................................................................................................... 16
3.1 Kesimpulan........................................................................................................................................ 16
3.2 Saran ................................................................................................................................................. 16
 BAB I

PENDAHULUAN

Di dalam kehidupan manusia sehari-hari, manusia selalu dihadapkan oleh berbagai

macam masalah dari berbagai macam bidang. Masalah-masalah ini yang dihadapi
oleh manusia tingkat kesulitan dan kompleksitasnya sangat bervariasi, mulai dari
yang teramat sederhana dengan sedikit faktor-faktor yang berkaitan dengan masalah
tersebut dan perlu diperhitungkan sampai dengan yang sangat rumit dengan banyak
sekali faktor-faktor turut serta berkaitan dengan masalah tersebut dan perlu untuk
diperhitungkan. Untuk menghadapi masalah-masalah ini, manusia mulai
mengembangkan sebuah sistem yang dapat membantu manusia agar dapat dengan
mudah mampu untuk menyelesaikan masalah-masalah tersebut. Adapun pohon
keputusan ini adalah sebuah jawaban akan sebuah sistem yang manusia kembangkan
untuk membantu mencari dan membuat keputusan untuk masalah-masalah tersebut
dan dengan memperhitungkan berbagai macam factor yang ada di dalam lingkup
masalah tersebut.

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. Apa yang dimaksud dengan Decision Tree?

2. Apa manfaat dari pembuatan Decision Tree?
3. Contoh kasus dari Decision Tree

1.3 Tujuan

1. Mengetahui secara keseluruhan pengertian Decision Tree

2. Mengetahui tujuan dari pembuatan Decision Tree
3. Dapat mengerti proses pembuatan dari Decision Tree dari
 BAB II

PEMBAHASAN

2.1 Decision Tree

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.

Pohon keputusan memadukan antaraeksplorasi data dan pemodelan, sehingga sangat

bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai
model akhir dari beberapa teknik lain. Sering terjadi tawar menawar antara
keakuratan model dengan transparansi model. Dalam beberapa aplikasi, akurasi dari
sebuah klasifikasi atau prediksi adalah satu-satunya hal yang ditonjolkan, misalnya
sebuah perusahaan direct mail membuat sebuah model yang akurat untuk
memprediksi anggota mana yang berpotensi untuk merespon permintaan, tanpa
memperhatikan bagaimana atau mengapa model tersebut bekerja.

2.4 Kelebihan Pohon Keputusan

Kelebihan dari metode pohon keputusan adalah:

 Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global,

dapat diubah menjadi lebih simpel dan spesifik.
  Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika
menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan
kriteria atau kelas tertentu.
 Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang
terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain
dalam node yang sama. Kefleksibelan metode pohon keputusan ini
meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika
menggunakan metode penghitungan satu tahap yang lebih konvensional
 Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat
banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu
distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas
tersebut. Metode pohon keputusan dapat menghindari munculnya
permasalahan ini dengan menggunakan criteria yang jumlahnya lebih sedikit
pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang
dihasilkan.

2.5 Kelemahan Pohon Keputusan

 Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan

jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya
waktu pengambilan keputusan dan jumlah memori yang diperlukan.
 Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan
yang besar.
 Kesulitan dalam mendesain pohon keputusan yang optimal.
 Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat
tergantung pada bagaimana pohon tersebut didesain.
2.6 Contoh Kasus Pohon Keputusan
 BAB III

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