Amelia Winursetia - 3KA25 - 17119138 - TugasM7 - DataMining
Amelia Winursetia - 3KA25 - 17119138 - TugasM7 - DataMining
Kelas: 3KA25
NPM: 17119138
Tugas Data Mining
Pohon Keputusan
Soal
Menghitung entropy
Outlook
Atribut TOTAL YES NO ENTROPY ENTROPY
ATRIBUT OUTLOOK
SUNNY 5 2 3 0.97
RAINY 5 4 1 0.72
CLOUDY 4 4 0 0
14 0.60
Humidity
Atribut TOTAL YES NO ENTROPY ENTROPY
ATRIBUT OUTLOOK
High 7 4 3 0.99
Normal 7 7 0
0.50
Windy
Atribut TOTAL YES NO ENTROPY ENTROPY
ATRIBUT OUTLOOK
TRUE 6 2 4 0.92
FALSE 8 6 2 0.81
14 0.86
HUMIDITY
HIGH NORMAL
? YES
HIGH: YES= 4
NO = 3
NORMAL YES= 7
NO = 0
Perhitungan node selanjutnya menggunakan jumlah data pada HIGH yaitu sebanyak 7. Tidak
digunakan node normal karena semua nilai pada normal bernilai YES. Sedangkan pada node
high masih ada percabangan yes dan no.
Dari table di atas akan dibuatkan lagi entropi setiap atributnya, digunakan hitungan yang
sama juga. Pada table di atas sudah dihitung entropy dengan warna biru. Pada table nilai yang
paling kecil adalah atribut outlook. Maka pada percabangan pohon selanjutnya digunakan
atribut outlook.
Pada pohon di atas, masih terdapat keraguan pada RAINY, dimana perbandingan nilai yes
dan no adalah 1:1. Maka dari itu digunakan data dari RAINY, untuk menentukan node apa
selanjutnya yang menjadi percabangan dari RAINY.
Windy:
Entropy True: -1/1log21/1-0/1log20/1 = 0
Entropy False: -0/1log20/1-1/1log21/1 = 0
Entropy Windy = 1/2*0+1/2* 0 = 0
Temperature:
Entropy mild= − 1/2log21/2 –1/2log21/2 = 1
Entropy temperature= 2/2(1) = 1
Karena hasil entropy antara windy dan temperature, lebih kecil dari nilai temperature maka
windy akan menjadi node bila outlooknya rainy. Dengan begitu, pohon keputusan dapat
digambarkan sebagai berikut: