PERTEMUAN 15

ANALISA KEPUTUSAN & DATA MINING

(AKDM)

OLEH:
A M RU S S A L A M , M . T.
 TERMASUK
DIDALAMNYA
AKDM
AKDM 1
3 FAKTOR YANG MEMPENGARUHI PENGAMBILAN
KEPUTUSAN
AKDM 2
V.Konsep, Proses dan Contoh Nyata Data Mining dan Big Data: Ga Galau Lagi Jadi Data Scientist
KONSEP PROSES DATA MINING

Yaitu diperoleh dari

METODE KLASIFIKASI (YANG AKAN DIBAHAS)
*CONTOH DATA DIKAMPUS*
AKDM 3
MEMBENTUK DECISION TREE DARI KLASIFIKASI
DATA (LATIH)
 Atribut ini kurang
cocok, karena tidak
dapat memisahkan
label dgn baik
Atribut ini cocok,
karena tidak
memisahkan label
dgn baik
LANGKAH PERTAMA: CARA/UKURAN MENENTUKAN TREE
DENGAN PERHITUNGAN ENTROPY (SALAH SATU)
1. menhghitung dari keseluruhan data
2. menhghitung dari setiap atribut
LANGKAH KEDUA: MENGHITUNG INFORMATION
GAIN
 𝐺𝑎𝑖𝑛 𝐴𝑔𝑒 = 0,940 − 0,694 = 𝟎, 𝟐𝟒𝟔
Gain Income = 0,940 − 0,911 = 0,026
𝐺𝑎𝑖𝑚 𝑆𝑡𝑢𝑑𝑒𝑛𝑡 = 0,940 − 0,788 = 0,048
𝐺𝑎𝑖𝑛 𝐶𝑟𝑒𝑑𝑖𝑡 𝑅𝑎𝑡𝑖𝑛𝑔 = 0,940 − 0,892 = 0,048
Atribut “AGE” memiliki
information gain yang tertinggi,
sehungga dipilih sebagai node
awal (root)
 2 2 3 3
Info D = I 2,3 = − 5 𝐿𝑜𝑔2 − 5 𝐿𝑜𝑎𝑔2 = 𝟎, 𝟗𝟕
5 5

Hitung gain atribut:

- Gain (age)
− Tidak perlu dihitung lagi kar sudah homogen
- - Gain (Income)
- - Gain (Student)
- - Gain (cretit rating)
TUGAS..
- Lanjutkan unttuk mengitung
gain atribut untuk income
dan rating_credit
- Dikumpulkan minggu depan