KECERDASAN BUATAN
Dosen Pengampu :
Bapak Dr. Ricky Eka Putra S.Kom., M.Kom
Disusun Oleh :
Fiqa Nur Akhmayanti ( 22051204023 )
TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS NEGERI SURABAYA
DECISION TREE
MATERI
Decision Tree adalah sebuah diagram alir yang berbentuk seperti struktur pohon yang
mana setiap internal node menyatakan pengujian terhadap suatu atribut, setiap cabang
menyatakan output dari pegujian tersebut dan leaf node menyatakan kelas–kelas atau
distribusi kelas. Node yang paling atas disebut sebagai root node atau node akar. Sebuah root
node akan memiliki beberapa edge keluar tetapi tidak memiliki edge masuk, internal node
akan memiliki satu edge masuk dan beberapa edge keluar, sedangkan leaf node hanya akan
memiliki satu edge masuk tanpa memiliki edge keluar.
Decision Tree digunakan untuk mengklasifikasikan suatu sampel data yang belum
diketahui kelasnya ke dalam kelas–kelas yang sudah ada. Ada banyak algoritma pada
klasifikasi Decision Tree ini. Suatu algoritma biasanya dikembangkan untuk meningkatkan
kinerja algoritma yang sudah ada. Penentuan algoritma yang terbaik dalam Decision Tree
tentunya tidak bisa ditentukan secara mutlak tetapi sangat tergantung dengan karakteristik
training set-nya. Beberapa algoritma Decision Tree yang cukup populer antara lain : ID3,
C4.5, dan CART.
STUDI KASUS
Decision Tree dan Rule Untuk Medeteksi Gangguan Jaringan Komputer
Ket :
Waktu = Pendek
q1 = - ¾ * Log2 ¾ - ¼ * Log2 ¼
= 0,8112781
Waktu = Panjang
= 0,954434
Entropy = 4/12 * q1 + 8/12 q2
= 0,9067154
Paket = Besar
= 0,918296
Paket = Kecil
= 0,918296
= 0,918296
Menghitung entropy frekuensi :
Frekuensi = Rendah
= 0,9182958
Frekuensi = Sedang
= 0,9709506
Frekuensi = Tinggi
=1
= 0,96747
Menghitung entropy prioritas :
Prioritas = Rendah
= 0,970951
Prioritas = Tinggi
= 0,985228
= 0,979279
Dari perhitungan di atas diperoleh nilai entropy yang terkecil yaitu waktu, maka penyusunan
Tree Awal sebagai berikut :
waktu = pendek
Dari perhitungan nilai entropy ( waktu = pendek ) maka diperoleh nilai entropy
terkecil adalah frekuensi dengan nilai entropy = 0,5
2. Menentukan leaf node untuk frekuensi = sedang
Dari perhitungan nilai entropy ( waktu = Panjang ) maka diperoleh nilai entropy
terkecil adalah frekuensi dengan nilai entropy = 0,053
4. Menentukan leaf node untuk paket = kecil
Hasil dari perhitungan entropy diatas, maka diperoleh Decision Tree seperti berikut
ini:
Berdasarkan rule – rule diatas terdapat 1 pilihan rule yang memerlukan peran serta
seorang pakar yaitu rule 7
Hasil uji data training didapatkan 2 error yang dihasilkan, seperti pada tabel berikut
ini: