P
sabah kesembilan, kesepuluh, kesebelah dan seterusnya, kita dapat
Mengklasifikasikan (menggolongkan) resiko kredit para nasabah tersebut, apabila diketahui
Tabungan, asset dan pendapatan mereka.
• Dari contoh kasus klasifikasi data nasabah diatas maka dapat
diperoleh pengetahuan yang dapat diaplikasikan kepada mereka
yang berpotensi menjadi nasabah kesembilan, kesepuluh dan
seterusnya.
• Data ini akan dijadikan sebagai input bagi suatu algoritma
• Keluaran dari algoritma ini secara sederhana dapat
direpresentasikan dalam bentuk pohon keputusan
Berikutnya akan membahas secara detail algoritma yang dapat menghasilkan pohon
keputusan.
Algoritma ini disebut Classification and regression tree (CART).
Algoritma CART (Classification and Regreesion Trees)
mutakhir
Caranya:
kinerja dari setiap calon cabang akan diukur melalui ukuran yg disebut
kesesuaian (goodness).
Kesesuaian dari calon cabang s pada noktah keputusan t dilambang kan
dengan dan didefinisikan sebagai
Dengan :
Q(s|t) =
. Q(s|t)
Hasil perhitungan nilai kesesuaian bagi tiap calon cabang yang masih terdapat
dalam daftar calon cabang mutakhir, yaitu
Noktah Dasar
Aset = Rendah
Vs
Aset = (sedang, Tinggi)
Noktah Keputusan
Noktah Dasar Catatan : nasabah
Resiko Buruk A,C,D,E,F,H
(nasabah : B, G)
Dari gambar, tampak bahwa:
Noktah keputusan masih ada sehingga kita harus kembali ke langkah kedua
dan kali iniu kita telah memulai iterasi-2
Noktah Terminasi
Resiko Buruk Noktah Keputusan (A)
(nasabah : B, G) Catatan : A,C,D,E,F,H
𝑻𝒂𝒃𝒖𝒏𝒈𝒂𝒏=𝒕𝒊𝒏𝒈𝒈𝒊
𝑻𝒂𝒃𝒖𝒏𝒈𝒂𝒏=(𝒓𝒆𝒏𝒅𝒂𝒉 , 𝒔𝒆𝒅𝒂𝒏𝒈 )
Noktah Terminasi
Resiko Buruk Noktah Keputusan (A)
(nasabah : B, G) Catatan : A,C,D,E,F,H
𝑻𝒂𝒃𝒖𝒏𝒈𝒂𝒏=𝒕𝒊𝒏𝒈𝒈𝒊
𝑻𝒂𝒃𝒖𝒏𝒈𝒂𝒏=(𝒓𝒆𝒏𝒅𝒂𝒉 , 𝒔𝒆𝒅𝒂𝒏𝒈 )
Noktah Terminasi
Noktah Keputusan (B)
Resiko Baik
𝑨𝒔𝒆𝒕 =𝑺𝒆𝒅𝒂𝒏𝒈 Catatan : C, F 𝑨𝒔𝒆𝒕 =𝑻𝒊𝒏𝒈𝒈𝒊
(catatan : A,D,E,H)
Noktah Terminasi
Noktah Terminasi
Resiko Buruk
Resiko Baik
(catatan : C)
(catatan : F)
Pada gambar diatas terdapat 2 jenis bentuk
noktah.
• Pertama berbentuk elips disebut noktah
keputusan noktah ini masih akan bercabang
noktah ini merupakan suatu catatan misalnya
“nasabah” belum dapat ditentukan
klasifikasinya apakah nasabah ini
mempunyai resiko kredit baik atau buruk.
Noktah keputusan pertama disebut noktah
dasar.
• Kedua noktah berbentuk persegi panjang
disebut noktah terminasi yang tidak akan
bercabang lagi karena pada noktah ini
nasabah sudah ditentukan klasifikasinya.
Bagaimana cara membaca gambar pohon keputusan yang dihasilkan oleh algoritma
klasifikasi diatas?
• Pertama pada noktah dasar nasabah(A, B, C, D, E, F, G, H) pertama dilihat dari seberapa besar
aset nasabah?
• Jika klasifikasi aset tergolong rendah, maka dapat diklasifikasikan sebagai nasabah dengan
resiko kredit buruk.
• Namun, bila aset termasuk sedang atau tinggi, resiko kredit belum bisa dikatakan baik atau
buruk noktah ini disebut noktah keputusan A sebab merupakan noktah keputusan yang pertama
dihasilkan dengan catatan(A,C,D,E,F,H).
• Noktah keputusan A dilakukan percabangan dilihat dari besarnya tabungan nasabah bila,
tabungan termasuk rendah atau sedang dapat diklasifikasikan nasabah dengan resiko kredit baik
(A,D,E,H).
• Bila tabungan tinggi, maka belum bisa diklasifikasikan apakah baik atau buruk termasuk
noktah keputusan. Noktah ini disebut Noktah B sebab merupakan noktah keputusan kedua
yang dihasilkan.
• Noktah B dilakukan percabangan lagi berdasarkan seberapa besar aset nasabah?
• Bila, aset termasuk tinggi nasabah (F), maka termasuk nasabah dengan resiko kredit baik jika
nilai aset termasuk sedang, maka diklasifikasikan sebagai nasabah dengan resiko kredit buruk.
• Dari contoh kasus klasifikasi data nasabah diatas maka dapat diperoleh pengetahuan
yang dapat diaplikasikan kepada mereka yang berpotensi menjadi nasabah kesembilan,
kesepuluh dan seterusnya.
• Data ini akan dijadikan sebagai input bagi suatu algoritma
• Keluaran dari algoritma ini secara sederhana dapat direpresentasikan dalam bentuk
pohon keputusan
Berikutnya akan membahas secara detail algoritma yang dapat menghasilkan pohon
keputusan seperti diatas. Algoritma ini disebut Classification and regression tree (CART).