KEPUTUSAN
1.Febby Ayu K. D 1135010067
2.Rina Agus W. A 1135010075
3.Dwi Nurul Hidayati 1135010095
4.Khafintia Roofiqa P. 1135010104
5.Iffah Ainum Mawaddah 1135010112
Basic concept
Penetapan nilai
payoff
Penetapan nilai
kemungkinan/pelu
ang
Dimana:
S = ruang (data) sample yang digunakan
untuk training.
P+ = jumlah yang bersolusi positif
(mendukung) pada data sample untuk kriteria
tertentu.
P- = jumlah yang bersolusi negatif (tidak
mendukung) pada data sample untuk kriteria
tertentu.
Dimana:
S = ruang (data) sample yang digunakan
untuk training.
A = atribut.
V = suatu nilai yang mungkin untuk atribut A.
Nilai(A) = himpunan yang mungkin untuk
atribut A.
|Sv| = jumlah sample untuk nilai V.
|S| = jumlah seluruh sample data.
Entropy(Sv) = entropy untuk sample-sample
yang memiliki nilai V.
Tujuan dari pengukuran nilai information gain
adalah untuk memilih atribut yang akan
dijadikan cabang pada pembentukan pohon
WEKA
WEKA (Waikato Environment for Knowledge
Analysis) adalah suatu perangkat lunak
pembelajaran mesin yang populer ditulis dengan
Java, yang dikembangkan di Universitas Waikato
di selandia baru. WEKA adalah perangkat lunak
gratis yang tersedia di bawah GNU General Public
License. Pada WEKA menyediakan penggunaan
teknik klasifikasi menggunakan pohon keputusan
dengan algoritma J48. Teknik klasifikasi dan
algoritma yang digunakan di WEKA disebut
classifier.
Contoh kasus
Solusi kasus
Dasar
pengambilan
keputusan
EMV kasus