MAKALAH

POHON KEPUTUSAN

(DOSEN: Dr. Brian Pratistha, S.E., M.M)

DISUSUN OLEH :

Amirah Ulya Rahmadina ( 2016317007 )

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MUHAMMADIYAH JAKARTA

TAHUN

2021

KATA PENGANTAR
 Puji syukur saya panjatkan ke hadirat Allah SWT karena berkat rahmat dan
hidayah-Nya, saya dapat menyelesaikan makalah “Pohon Keputusan”. Makalah ini
dibuat dalam rangka memenuhi tugas pembuatan makalah untuk mata kuliah
Ekonomi Manajerial.

Saya menyadari dalam pembuatan dan penyusunan makalah ini masih banyak
terdapat kesalahan, kekurangan, dan jauh dari kesempurnaan. Oleh karena itu, saran
dan kritik yang bersifat konstruktif sangat saya harapkan demi kebaikan dan kualitas
makalah selanjutnya.

Demikianlah, makalah ini saya buat, saya harap makalah ini dapat
bermanfaat bagi semua pihak yang membaca makalah ini.

Tangerang, 12 Juni 2021

Penyusun,
 BAB I

PENDAHULUAN

1.1 Latar Belakang

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.

Rumusan Masalah

a. Apa yang dimaksud dengan analisis keputusan?

b. Bagaimana langkah-langkah dalam analisis keputusan?
c. Apa yang dimaksud dengan pohon keputusan?
d. Apa manfaat dari pohon keputusan?
e. Kelebihan apa yang dimiliki oleh pohon keputusan?
f. Kekurangan apa saja yang dimiliki oleh pohon keputusan?
g. Bagaimana prosedur pembentukan pohon keputusan?
h. Bagaimana analisis dalam pohon keputusan?

Tujuan Penulisan

a. Mahasiswa memahami apa itu analisis keputusan

b. Mahasiswa mampu menjelaskan langkah-langkah dalam menganalisis keputusan
c. Mahasiswa memahami apa itu pohon keputusan
d. Mahasiswa mengetahui manfaat dari pohon keputusan
e. Mahasiswa mampu menjelaskan kelebihan yang dimiliki oleh pohon keputusan
f. Mahasiswa mampu menjelaskan kekurangan yang dimiliki oleh pohon keputusan
g. Mahasiswa memahami bagaimana prosedur pohon keputusan
h. Mahasiswa mampu mengaplikasikan analisis pohon keputusan

BAB II
 PEMBAHASAN

2.1 Pengertian dan Langkah-Langkah dalam Analisis Keputusan

Analisis keputusan adalah pola berpikir sistematis dalam pengambilan

keputusan, yang bertujuan untuk mengidentifikasi apa yang harus dilakukan,
pengembangan kriteria khusus untuk mencapai tujuan, mengevaluasi alternatif
tindakan yang tersedia yang berhubungan dengan kriteria dan mengidentifikasi
kemungkinan resiko yang melekat pada suatu keputusan tersebut.

Untuk mencapai beberapa sasaran antara seperti yang telah diuraikan

sebelumnya diperlukan adanya suatu keputusan tidakan yang akan dilakukan dari
beberapa alternatif.

Untuk itu, dilakukan analisis keputusan dengan mengikuti langkah-langkah

sebagai berikut :

1. Merumuskan Pernyataan Keputusan

Tujuan merumuskan pernyataan keputusan adalah untuk memusatkan perhatian

pada tindakan yang terpilih dalam tahap pengidentifikasian alternatif tindakan sebagai
dasar untuk melaksanakan keputusan yang akan ditempuh dalam usaha
mengembangkan perusahaan.

2. Menetapkan Kriteria Keputusan

Kriteria keputusan adalah kemampuan memberikan gambaran mengenai suatu

keadaan yang lebih terperinci tentang hasil keputusan yang diambil. Tujuan
penetapan kriteria adalah untuk menyaring sejumlah alternatif lain yang pada
akhirnya akan muncul satu alternatif terbaik.

3. Menetapkan Alternatif Keputusan

 Alternatif keputusan adalah kemungkinan-kemungkinan pilihan bagi pencapaian
tujuan dari pernyataan keputusan. Dari berbagai alternatif, akan dipilih yang terbaik
berdasarkan kriteria-kriteria yang ada. Pertimbangan pokoknya adalah mana yang
paling memenuhi kriteria dan paling kecil resikonya bila alternatif itu dijalankan.

4. Menentukan Bobot Masing-Masing Kriteria

Penentuan bobot berdasarkan besar-kecilnya pengaruh kriteria terhadap alternatif

keputusan.Semakin besar pengaruhnya maka bobotnya lebih besar dan sebaliknya.
Jumlah bobot untuk seluruh kriteria adalah satu (1)

5. Membuat Matriks Penilaian

Matriks penilaian bertujuan untuk mengevaluasi alternatif-alternatif yang paling

baik yang dapat memenuhi sasaran.Dalam matriks ini digunakan sistem pembobotan,
dimana kriteria dan alternatif keputusan diberi bobot kemudian diperkalikan.

6. Menentukan Tindakan Terpilih

Hasil perkalian antara kriteria dan alternatif keputusan yang memiliki bobot
tertinggi merupakan alternatif prioritas.Alternatif yang menjadi prioritas merupakan
tindakan terpilih untuk mencapai sasaran utama.

2.2 Pengertian Pohon Keputusan

Pohon yang dalam analisis pemecahan masalah pengambilan keputusan

adalah pemetaan mengenai alternatif-alternatif pemecahan masalah yang dapat
diambil dari masalah tersebut. Pohon tersebut juga memperlihatkan faktor-faktor
kemungkinan/probablitas yang akan mempengaruhi alternatif-alternatif keputusan
tersebut, disertai dengan estimasi hasil akhir yang akan didapat bila kita mengambil
alternatif keputusan tersebut.

 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 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.

 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.

 Kekurangan 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.

 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
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. algoritma ID3
membentuk pohon keputusan dengan metode divide and conquer data secara rekursif
dari atas ke bawah. Strategi pembentukan decision tree dengan algoritma ID3 adalah:

- Pohon dimulai sebagai node tunggal (akar/root ) yang merepresentasikan semua

data.
- Sesudah node root dibentuk, maka data pada node akar akan diukur dengan
information gain untuk dipilih atribut mana yang akan dijadikan atribut
pembaginya.
- Sebuah cabang dibentuk dari atribut yang dipilih menjadi pembagi dan data akan
didistribusikan ke dalam cabang masing-masing.
- 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.

Proses pembagian rekursif akan berhenti jika salah satu dari kondisi di bawah ini
terpenuhi:

- Semua data dari anak cabang telah termasuk dalam kelas yang sama.
- 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.
- 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.

Analisis Pohon Keputusan

Pada saat membuat pohon keputusan, harus dipastikan bahwa semua alternatif
dan kondisi alami berada di kondisi yang benar dan logis, serta semua alternatif yang
mungkin dan kondisi alami telah disertakan. Notasi yang disertakan adalah :

Istilah : simbol yang digunakan dalam pohon keputusan

Alternatif : sebuah tindakan atau strategi yang dapat dipilih oleh seorang pengambil
keputusan

Kondisi Alami : sebuah kejadian atau situasi dimana pengambil keputusan hanya
memiliki sedikit kendali, atau tidak sama sekali

Kotak : sebuah titik keputusan dimana terdapat satu alternatif atau lebih yang dapat
dipilih

Lingkaran : Sebuah titik kondisi alami dimana kondisi alami mungkin dapat terjadi

Diagram pohon sering kali membantu dalam memahami dan menyelesaikan

persoalan probabilitas. Diagram pohon biasanya digambarkan dalam lambang yang
baku. Dimulai dengan sebuah nokhtah kemudian dibuat cabang-cabang sebanyak
peristiwa yang mungkin dapat dihasilkan. Menganalisis masalah dengan pohon
keputusan mencakup 5 hal, yaitu ;

1. Mendefinisikan Masalah
2. Menggambar Pohon Keputusan
3. Menentukan peluang untuk kondisi ilmiah
4. Memperkirakan imbalan bagi setiap kombinasi alternatif keputusan dan kondisi
ilmiah yang mungkin
5. Menyelesaikan masalah dengan menghitung EMV bagi setiap kondisi ilmiah, ini
dilakukan dengan menghitung dari belakang kedepan, yaitu dari sisi kanan pohon
ke sebelah kirinya.

EMV (Extected Monetary Value) adalah nilai harapan moneter yang diharapkan
dari sebuah veriabel yang memiliki beberapa kemungkinan kondisi alamiah yang
berbeda, masing masing dengan peluang tersendiri. Saat peluang diketahui, nilai
maximax dan maximin menyatakan skenario perencanaan kasus terbaik dan kasus
terburuk. EMV sebuah alternatif merupakan jumlah semua keuntungan alternatif,
yang masing masing memberikan bobot kemungkinan terjadinya.

EMV (Alternatif) = (Hasil kondisi alamiah 1) x (Kemungkinan terjadi kondisi

alamiah 1) + (Hasil kondisi alamiah 2) x (Kemungkinan terjadi kondisi alamiah 2) +
…. + (Hasil kondisi alamiah terakhir) x (Kemungkinan terjadi kondisi alamiah
terakhir)

BAB III

PENUTUP

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.

KESIMPULAN

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.

DAFTAR PUSTAKA

Kusrini, 2006, Sistem Pakar Teori dan Aplikasi, Penerbit Andi Offset, Yogyakarta.

Santosa, Budi. 2007. Data Mining : Teknik Pemanfaatan Data untuk keperluan
Bisnis. Graha Ilmu. Yogyakarta.
Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. 2004.Introduction to Data
Mining. Website WEKA. http://www.cs.waikato.ac.nz/ml/weka/.

Witten, Ian H. dan Eibe Frank. 2005. Data Mining: Practical machine learning tools
and techniques,2nd Edition. Morgan Kaufmann. San Francisco.

http://modulmakalah.blogspot.co.id/2017/01/Definisi.Pohon.Keputusan.Konsep.Dasa
r.dan.Pr osedur.Pembentukan.html

http://gusasta.blogspot.co.id/2012/12/pohon-keputusan-pohon-keputusan.htmlyang
terkait dengan ini

http://kur2003.if.itb.ac.id/file/pohon.pdf
http://thesonofdevil.wordpress.com/2009/12/07/pohon-keputusan/
http://www.informatika.org/~rinaldi/Matdis/2006-2007/Makalah/Makalah0607-
122.pdf

https://veriyenpaone.blogspot.co.id/2012/11/makalah-pohon-keputusan_18.html