• ATURAN 3: JIKA BIAYA TRAVEL / KM MURAH DAN JENIS KELAMIN LAKI-LAKI MAKA = BUS
• ATURAN 4: JIKA BIAYA TRAVEL / KM MURAH DAN GENDER PEREMPUAN DAN DIA MEMILIKI MOBIL TIDAK
MAKA = BUS
• ATURAN 5: JIKA BIAYA TRAVEL / KM MURAH DAN GENDER PEREMPUAN DAN DIA MEMILIKI 1 MOBIL
MAKA = KERETA
HOW TO USE A DECISION TREE?
• DECISION TREE DAPAT DIGUNAKAN UNTUK MEMPREDIKSI
POLA ATAU CLASSIFLY KELAS DATA.
• MISALKAN KITA MEMILIKI CATATAN TAK TERLIHAT BARU
ORANG DARI LOKASI YANG SAMA DI MANA SAMPEL DATA
YANG DIAMBIL.
• BERIKUT INI DATA DISEBUT DATA UJI (BERBEDA DENGAN DATA
TRAINING) KARENA KAMI INGIN MEMERIKSA KELAS DATA INI.
Person name Gender Car Travel cost Income level Transportation
ownership ($)/km Mode
Alex Male 1 Standard High ?
Buddy Male 0 Cheap Medium ?
Cherry Female 1 Cheap High ?
CARA MENGHASILKAN DECISION TREE?
• KEMUDIAN KITA
ULANGI PROSEDUR
KOMPUTASI TINGKAT
KETIDAKMURNIAN
DAN INFORMASI GAIN
UNTUK TIGA ATRIBUT.
HASIL PERHITUNGAN
YANG DIPAMERKAN DI
SEBELAH KANAN.
ITERASI KEDUA DENGAN ALGORITMA DECISION
TREES
• KEUNTUNGAN MAKSIMUM DIPEROLEH UNTUK OPTIMAL ATRIBUT GENDER.
SETELAH KITA MENDAPATKAN ATRIBUT YANG OPTIMAL, TABEL DATA
DIBAGI SESUAI DENGAN ATRIBUT YANG OPTIMAL. DALAM KASUS KAMI,
JENIS KELAMIN LAKI-LAKI HANYA DIKAITKAN DENGAN KELAS BUS MURNI,
SEDANGKAN PEREMPUAN MASIH PERLU PERPECAHAN LEBIH LANJUT,
DENGAN ATRIBUT.
• JIKA ANDA MENGAMATI TABEL DATA ITERASI KETIGA, TERDIRI HANYA DUA
BARIS. SETIAP BARIS MEMILIKI NILAI YANG BERBEDA. JIKA KITA
MENGGUNAKAN ATRIBUT KEPEMILIKAN MOBIL, KITA AKAN
MENDAPATKAN KELAS MURNI UNTUK MASING-MASING NILAINYA.
DEMIKIAN PULA, TINGKAT PENDAPATAN ATRIBUT JUGA AKAN
MEMBERIKAN KELAS MURNI UNTUK SETIAP NILAI. OLEH KARENA ITU,
KITA DAPAT MENGGUNAKAN SALAH SATU DARI DUA ATRIBUT.
ITERASI KETIGA ALGORITMA DECISION TREES