NAMA : DINDA ALMIRA HIDAYATI

NIM : H1101171025

Analisis jenis decision tree apa saja yang digunakan dan mengapa perlu dilakukan pada dataset
tersebut. Kumpulkan analisis kalian dalam bentuk laporan dengan min 1 halaman & max. 2
halaman laporan dalam format pdf. Sertakan screenshot Rapidminernya

DESIGN DATA DALAM RAPIDMINER

Selain menggunakan operator decision tree, disini juga menggunakan operator set role yang
digunakan untuk menangani atribut yang non prediktif serta apply model yang digunakan untuk
melihat hasil dari decision tree dalam bentuk table. Atribut yang digunakan sebagai parameter
decision tree ini adalah Tablet_adoption. Disini menggunakan parameter information gain dalam
decision tree yang digunakan untuk melihat hasil dalam perspektf alternative.
BENTUK DECISION TREE
Dapat kita lihat pada gambar decision tree diatas, atribut yang terbukti prediktif menggunakan
gain ratio merupakan predictor yang utama ketika menggunakan algoritam information_gain
sebagai parameter untuk pohon keputusan menjadi sangat sederhana, menghasilkan sedikit node
dan leaf.
Dari decision tree kita dapat menemukan bahwa sebagai besar variable independent lain yang
digunakan. Seberapa aktif orang tersebut di website majikan Richrad masih predictor terbaik
tunggal dengan jenis kelain, jenis pembayara, status perkawinan dalam beberapa kasus dan
beberapa tingkat usia juga menunjukkan jalur dari prediksi.
STATISTIK META DATA

Dari hasil percobaan ini dapat kita simpulkan bahwa dengan menggunakan decision tree pada
rapidminer dapat menghasilkan kuliatas prediksi yang lebih baik dan sederhana. Misalnya pada
parameter decision tree kriterianya “gain ratio” menghasilkan data yang sangat kompleks, namun
jika criterionya dirubah menjadi “information gain” menghasilkan decision tree yang simple dan
lebih mudah dibaca sehingga dapat mempermudah dalam pengambilan keputusan.