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
Definisi Pohon Keputusan
• Pohon keputusan adalah model prediksi
menggunakan struktur pohon atau struktur
berhirarki.
• Pohon keputusan adalah salah satu metode
klasifikasi yang paling populer karena mudah
untuk diinterpretasi oleh manusia.
• Pohon yang dalam analisis pemecahan masalah
pengambilan keputusan adalah pemetaan
mengenai alternatif-alternatif pemecahan masalah
yang dapat diambil dari masalah tersebut.
Konsep Pohon Keputusan
• Konsep dari pohon keputusan adalah mengubah data
menjadi pohon keputusan dan aturan-aturan keputusan.
• 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 keputusan. Pilih atribut yang
memiliki nilai information gain terbesar.
2. Bentuk simpul yang berisi atribut tersebut.