NAMA : SOLEH ROMADON

NIM : 183017

MATKUL :  TPK (Pohon Keputusan)

1. 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.
2. 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
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).
 3. 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.

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.

4. 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.
5. 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.