POHON KEPUTUSAN (DECISION TREE)

DISUSUN OLEH:
Nofriandi
Nim. 192017009

DOSEN PEMBIMBING:
Sri Hardianty, S.IP., M.Pd

MATA KULIAH:
Kebijakan Pendidikan dan Pengambilan Keputusan

KEMENTERIAN AGAMA REPUBLIK INDONESIA

STAIN TEUNGKU DIRUNDENG MEULABOH
KABUPATEN ACEH BARAT
TAHUN AJARAN 2019

1
 BAB I
PENDAHULUAN

A. Latar Belakang
Seperti yang kita ketahui bahwa manusia selalu berhadapan dengan suatu
masalah. Masalah-masalah ini memiliki tingkat kesulitan dan kompleksitas yang
sangat bervariasi, mulai dari yang teramat sederhana dengan sedikit faktor-faktor
atau hal-hal yang berkaitan dengan masalah tersebut dan perlu diperhitungkan,
sampai dengan yang sangat rumit dengan banyak sekali faktor-faktor atau hal-hal
yang turut serta berkaitan dengan masalah tersebut dan perlu untuk
diperhitungkan juga.
Untuk menghadapi masalah-masalah ini, manusia mulai mengembangkan
sebuah sistem/cara yang dapat membantu manusia agar dapat dengan mudah
mampu untuk menyelesaikan masalah-masalah tersebut. Adapun pohon keputusan
ini adalah sebuah jawaban akan sebuah sistem/cara 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.
Pohon keputusan merupakan sebuah sistem atau cara yang manusia
kembangkan untuk membantu mencari dan membuat keputusan untuk masalah-
masalah tersebut dan dengan memperhitungkan berbagai macam faktor yang ada
di dalam lingkup masalah tersebut. Secara umum, pohon keputusan adalah suatu
gambaran permodelan dari suatu persoalan yang terdiri dari serangkaian
keputusan yang mengarah ke solusi.

2
B. Rumusan Masalah
1. Apa yang dimaksud dengan pohon keputusan?
2. Apa tujuan dari pohon keputusan?
3. Apa saja kelebihan dan kekurangan dari pohon keputusan?
4. Bagaimana prosedur pembentukan pohon keputusan?
5. Bagaimana model pohon keputusan?
6. Bagaimana contoh-contoh soal untuk pohon keputusan?

C. Tujuan Penulisan
Tujuan dari penulisan makalah ini adalah untuk mengetahui tentang:
1. Definisi pohon keputusan.
2. Tujuan dari pohon keputusan.
3. Kelebihan dan kekurangan pohon keputusan.
4. Prosedur pembentukan pohon keputusan.
5. Model pohon keputusan.
6. Contoh-contoh soal untuk pohon keputusan.

3
 BAB II
PEMBAHASAN

A. Definisi 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.
Selanjutnya, Pohon Keputusan juga berguna untuk mengeksplorasi data,
menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan
sebuah variabel target. Pohon keputusan memadukan antara eksplorasi 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.

B. Tujuan Pohon Keputusan

Pohon keputusan dikembangkan untuk membantu pengambil keputusan
membuat serangkaian keputusan yang melibatkan peristiwa ketidakpastian. Pohon
keputusan adalah suatu peralatan yang mengambarkan secara grafik berbagai
kegiatan yang dapat diambil dan dihubungkan dengan kegiatan ini dengan
berbagai peristiwa di waktu mendatang yang dapat terjadi. Seperti dalam teknik
riset operasi, pohon keputusan tidak akan membuat keputusan bagi pengambil

4
keputusan, kebijakan masih akan diperlukan. Bagaimanapun dalam berbagai
situasi yang tepat, penggunaan pohon keputusan akan mengurangi kekacauan
potensial dalam suatu masalah kompleks dan memungkinkan pengambil
keputusan menganalisis masalah secara rasional (Sutabri, 2005).
Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan
untuk membagi kumpulan data yang besar menjadi himpunan-himpunan record
yang lebih kecil dengan menerapkan serangkaian aturan-aturan keputusan.
Dengan masing-masing rangkaian pembagian, anggota himpunan hasil menjadi
mirip satu dengan yang lain (Berry dan Linnof, 2004).

C. Kelebihan dan Kekurangan Pohon Keputusan

1. Kelebihan Pohon Keputusan
Kelebihan dari metode pohon keputusan adalah:
a) Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat
global, dapat diubah menjadi lebih simpel dan spesifik.
b) Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena
ketika menggunakan metode pohon keputusan maka sample diuji
hanya berdasarkan kriteria atau kelas tertentu.
c) 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
d) 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.

5
 2. Kekurangan Pohon Keputusan
a) 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.
b) Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon
keputusan yang besar.
c) Kesulitan dalam mendesain pohon keputusan yang optimal.
d) Hasil kualitas keputusan yang didapatkan dari metode pohon
keputusan sangat tergantung pada bagaimana pohon tersebut didesain.

D. Prosedur Pembentukan Pohon Keputusan

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.
Sebuah model keputusan terdiri dari sekumpulan aturan untuk membagi
jumlah populasi yang heterogen menjadi lebih kecil, lebih homogen dengan
memperhatikan pada variabel tujuannya. Sebuah model keputusan mungkin
dibangun dengan saksama secara manual atau dapat tumbuh secara otomatis
dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk
memodelkan himpunan data yang belum terklasifikasi (Kusrini, 2009).
Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon
keputusan lebih mengarah pada perhitungan probabilitas dari tiap-tiap record

6
terhadap kategori-kategori tersebut atau untuk mengklasifikasi record dengan
mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan
untuk mengestimasi nilai dari variabel continue meskipun ada beberapa teknik
yang lebih sesuai untuk kasus ini.
Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel
dengan atribut dan record. Atribut menyatakan suatu parameter yang dibuat
sebagai kriteria dalm pembentukan pohon keputusan. Misalkan untuk menentukan
main tenis, kriteria yang diperhatikan adalah cuaca, angin, dan temperatur. Salah
satu atribut merupakan atribut yang menyatakan data solusi per item data yang
disebut target atribut. Atribut memliki nilai-nilai yang dinamakan dengan
instance. Misalkan atribut cuaca mempunyai instance berupa cerah, berawan dan
hujan (Basuki dan Syarif, 2003). Proses pada pohon keputusan adalah mengubah
bentuk data (tabel) menjadi model pohon, mengubah model pohon menjadi rule,
dan menyederhanakan rule (Basuki dan Syarif, 2003).
Dalam membangun decision tree menggunakan algoritma ID3 atau C4.5,
yang diperkenalkan dan dikembangkan pertama kali oleh Ros Quinlan yang
merupakan singkatan dari Iteractive Dichotomiser 3 atau Induction of Decision 3.
Strategi pembentukan decision tree dengan algoritma ID3 adalah:
1. Pohon dimulai sebagai node tunggal (akar/root ) yang merepresentasikan
semua data.
2. Sesudah node root dibentuk, maka data pada node akar akan diukur
dengan information gain untuk dipilih atribut mana yang akan dijadikan
atribut pembaginya.
3. Sebuah cabang dibentuk dari atribut yang dipilih menjadi pembagi dan
data akan didistribusikan ke dalam cabang masing-masing.
4. Algoritma ini akan terus menggunakan proses yang sama atau bersifat
rekursif untuk dapat membentuk sebuah decision tree. ketika sebuah
atribut telah dipilih menjadi node pembagi atau cabang, maka atribut
tersebut tidak diikutkan lagi dalam penghitungan nilai information gain.
5. Proses pembagian rekursif akan berhenti jika salah satu dari kondisi di
bawah ini terpenuhi:

7
 a. Semua data dari anak cabang telah termasuk dalam kelas yang sama.
b. Semua atribut telah dipakai, tetapi masih tersisa data dalam kelas yang
berbeda. Dalam kasus ini, diambil data yang mewakili kelas terbanyak
untuk dijadikan label kelas.
c. Tidak terdapat data pada anak cabang yang baru. Dalam kasus ini,
node daun akan dipilih pada cabang sebelumnya dan diambil data yang
mewakili kelas terbanyak untuk dijadikan label kelas.

E. Model Pohon Keputusan

Pohon keputusan adalah model prediksi menggunakan struktur pohon atau
struktur berhirarki. Contoh dari pohon keputusan dapat dilihat di Gambar berikut
ini.

Model Pohon Keputusan (Pramudiono, 2008)

Disini setiap percabangan menyatakan kondisi yang harus dipenuhi dan

tiap ujung pohon menyatakan kelas data. Contoh di Gambar 1 adalah identifikasi
pembeli komputer,dari pohon keputusan tersebut diketahui bahwa salah satu
kelompok yang potensial membeli komputer adalah orang yang berusia di bawah
30 tahun dan juga pelajar. Setelah sebuah pohon keputusan dibangun maka dapat
digunakan untuk mengklasifikasikan record yang belum ada kelasnya. Dimulai
dari node root, menggunakan tes terhadap atribut dari record yang belum ada
kelasnya tersebut lalu mengikuti cabang yang sesuai dengan hasil dari tes tersebut,

8
yang akan membawa kepada internal node (node yang memiliki satu cabang
masuk dan dua atau lebih cabang yang keluar), dengan cara harus melakukan tes
lagi terhadap atribut atau node daun. Record yang kelasnya tidak diketahui
kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node daun.
Pada pohon keputusan setiap simpul daun menandai label kelas. Proses dalam
pohon keputusan yaitu mengubah bentuk data (tabel) menjadi model pohon (tree)
kemudian mengubah model pohon tersebut menjadi aturan (rule). Selanjutnya,
Gambaran umum model Pohon Keputusan beserta keterangannya berikut ini.

F. Contoh Soal Pohon Keputusan

Pak Tukul berniat untuk mengasuransikan isi rumahnya terhadap
ancaman pencurian. Estimasi total nilai harta benda yang ada di rumahnya
sebesar Rp. 40.000.000. Statistik kejahatan di daerah tempat tinggal pak
Tukul menunjukkan bahwa peluang terjadinya pencurian hanyalah 0.03
per tahun. Jika terjadi pencurian, ada tiga kemungkinan bahwa harta yang
dicuri nilainya adalah 10%, 20% atau 40% dari nilai total harta pemilik
rumah, dengan probabilitas kejadian masing-masing sebesar 0.50;0.35 dan
0.15.

9
 Berikut ini penawaran dari tiga perusahaan asuransi yang sedang
mempertimbangkan:
1. Perusahaan A: biaya premi Rp. 300.000 per tahun, menjamin akan
mengganti seluruh kerugian yang diderita pemilik rumah tanpa kecuali
2. Perusahaan B: biaya premi lebih murah yaitu Rp. 200.000 per tahun
akan mengganti seluruh kerugian, namun pemilik rumah harus
membayar biaya tambahan Rp. 100.000 per kejadian pencurian.
3. Perusahaan C: biaya premi paling murah yaitu Rp. 150.000 per tahun,
namun hanya mengganti sebagian (40%) dari total kerugian yang
diderita pemilik rumah.
Asumsikan bahwa pencurian hanya terjadi 1 tahun. Estimasi total
nilai harta benda yang ada dirumahnya sebesar Rp. 40.000.000.

10
 BAB III
PENUTUP

A. Kesimpulan
Dapat dilihat bahwa menggunakan pohon keputusan sebagai support tool
dalam menganalis suatu masalah pengambilan keputusan dapat sangat membantu
kita dalam melakukan pengambilan keputusan. Kegunaan pohon keputusan yang
dapat melihat berbagai macam alternatif keputusan-keputusan yang dapat kita
ambil serta mampu memperhitungkan nilai-nilai dari faktor-faktor yang
mempengaruhi alternatif-alternatif keputusan tersebut adalah sangat penting dan
berguna, karena membuat kita dapat mengetahui alternatif mana yang paling
menguntungkan untuk kita ambil.
Pohon keputusan juga dapat dipergunakan untuk memperhitungkan dan
melakukan analisa terhadap resiko-resiko yang mungkin muncul dalam suatu
alternatif pemilihan keputusan. Selain itu, pohon keputusan juga dapat dipakai
untuk memperhitungkan berapa nilai suatu informasi tambahan yang mungkin
kita perlukan agar kita dapat lebih mampu dalam membuat suatu pilihan
keputusan dari suatu alternatif-alternatif keputusan yang ada.
Dengan melihat kegunaan pohon keputusan dan kemampuannya dalam
memperhitungkan berbagai alternatif pemecahan masalah termasuk faktor-faktor
yang mempengaruhinya serta nilai resiko dan nilai informasi dalam alternatif
keputusan itu, maka jelaslah bahwa pohon keputusan ini dapat menjadi alat bantu
yang sangat berguna dalam pengambilan keputusan.

11
 DAFTAR PUSTAKA

Unknown. 2013. Tentang Pohon Keputusan (Decision Tree). Diambil dari:

https://dua7an.blogspot.com/2013/12/tentang-pohon-keputusan-decision-
tree.html
Unknown. 2012. Makalah Pohon Keputusan. Diambil dari:
https://veriyenpaone.blogspot.com/2012/11/makalah-pohon-
keputusan_18.html

Nikita Dini. 2017. Definisi Pohon Keputusan, Konsep Dasar, dan Prosedur
Pembentukan. Diambil dari:
https://modulmakalah.blogspot.com/2017/01/Definisi.Pohon.Keputusan.K
onsep.Dasar.dan.Prosedur.Pembentukan.html
Dini Alamanda. 2017. Pengambilan Keputusan Menggunakan Pohon Keputusan.
Diambil dari: https://sharingaddicted.com/pengambilan-keputusan-
menggunakan-pohon-keputusan/

12