Ze
ro
R
Definis
i
ZeroR adalah metode klasifikasi yang paling
sederhana yang bergantung pada target
(label) dan mengabaikan semua prediktor.
Algoritma ZeroR secara sederhana
memprediksi mayoritas kelas dalam training
data (Andreeva, Dimitrova, & Radeva,
2004).
Meskipun tidak ada kekuatan memprediksi
pada ZeroR, namun ini berguna untuk
menentukan kinerja dasar sebagai patokan
untuk metode lainnya.
Ze
ro
R
Algorit
ma
Ze
ro
R
Contoh
Prediktor
Target/Label
Ze
ro
R
Contoh
Dari tabel di atas didapat 10 yes dan 4
no, karena yang sering muncul adalah
yes maka prediksi data selanjutnya
adalah yes (play) tanpa melihat
prediktor/atribut lainnya
Accurancy???
Dalam menghitung accuracy dapat
menggunakan confusion metric dengan
membandingkan hasil dari prediksi dan
kenyataan yang ada
Ze
ro
R
Contoh
No
Outloook
Temperat
ure
Humidit
y
Windy
Play
Prediksi
ZeroR
Sunny
Hot
High
FALSE
No
Yes
Sunny
Hot
High
TRUE
No
Yes
Cloudy
Hot
High
FALSE
Yes
Yes
Rainy
Mild
High
FALSE
Yes
Yes
Rainy
Cool
Normal
FALSE
Yes
Yes
Rainy
Cool
Normal
TRUE
Yes
Yes
Cloudy
Cool
Normal
TRUE
Yes
Yes
Sunny
Mild
High
FALSE
No
Yes
Sunny
Cool
Normal
FALSE
Yes
Yes
10
Rainy
Mild
Normal
FALSE
Yes
Yes
11
Sunny
Mild
Normal
TRUE
Yes
Yes
12
Cloudy
Mild
High
TRUE
Yes
Yes
13
Cloudy
Hot
Normal
FALSE
Yes
Yes
14
Rainy
Mild
High
TRUE
No
Yes
Ze
ro
R
Contoh
Dari tabel diatas dapat disimpulkan
Actual
Ye No
s
Predictio Yes 10
n
No 0
4
0
Accuracy = (TP +
TN)/All
Error rate = (FP +
FN)/All
Accuracy = 0,714
Error rate = 0,286
Ze
ro
R
Kelebih
an
Mudah diterapkan
Kekura
ngan
Kurang valid
Ze
ro
R
Weka
Ze
ro
R
Weka
Ze
ro
R
Weka
Ze
ro
R
Weka
Ze
ro
R
Weka
On
eR
Definis
i
On
eR
Algorit
ma
On
eR
Contoh
On
eR
Contoh
Play
Yes No Rule
Sunny 2 3No
Cloud
Outlook
4 0
y
Yes
Rainy
4 1Yes
High
Humidit
Norm
y
al
Play
Yes No Rule
3 4 No
7
Yes
Hot
Tempera
Mild
ture
Cool
Windy
Play
Yes No Rule
2 2 No
4 2Yes
4 0 Yes
Play
Yes No Rule
TRUE 6 1 Yes
FALSE
1 Yes
On
eR
Contoh
On
eR
Contoh
Outlook
Prediks
i
Actual
Yes No
Yes
No
2
Actual
Temperature
accura 0,7857
Yes
cy
14 Prediks
i
0,2142
3
No
Error
86
1
Humidity
Actual
Yes No
accurac 0,7142
y
86
0,2857
2
Error
14
Actual
Windy
Yes No
Yes
No
Prediksi
Yes No
accurac 0,78571
Yes
y
4
Prediksi
0,21428
4
No
Error
6
0
10
0
accurac 0,71428
y
6
0,28571
0
Error
4
4
On
eR
Kelebih
an
Kekura
ngan
Kadang terdapat
nilai error yang
sama di beberapa
atribut
On
eR
Weka
On
eR
Weka
On
eR
Weka
On
eR
Weka
On
eR
Weka