Kecerdasan Buaasdtan

8/18/2019 Kecerdasan Buaasdtan

1/7

PERBANDINGAN IMPLEMENTASI DECISION TREE

DENGAN ALGORITMA C4.5 DAN C5.0

JULIUS SIHOTANG

DBC 113 174

Teknik Informatika Universitas Palangka Raya

Email : [email protected]

ABSTRAK

Pohon keputusan merupakan sebuah sistem atau cara yang manusia kembangkan untuk

membantu mencari solusi dan membuat keputusan dari masalah-masalah dengan

memperhitungkan berbagai macam faktor yang ada dalam masalah tersebut. Secara umum,

pohon keputusan adalah suatu pemodelan dari suatu persoalan yang terdiri dari serangkaian

keputusan yang mengarah ke solusi. Pada makalah ini akan dibahas mengenai perbedaan

implementasi teknik untuk menggunakan pohon keputusan dalam pengambilan keputusan dari

suatu masalah sesuai dengan teori keputusan baik algoritma C4.5 maupun algoritma C5.0.

Masalah yang dibahas adalah perbedaan kedua algoritma tersebut dalam menyelesaikan

permasalahan kredit. Simpul dalam pohon keputusan ini menyatakan keputusan dan faktor dari

luar, sedangkan u ung dari pohon keputusan menyatakan solusi. Setiap keputusan yang diambil

akan menghasilkan solusi yang berbeda pula.

Kata ku !" ! Pohon keputusan, pemodelan masalah, teori keputusan, solusi.

1. P# $a%u&uaKecer asan !uatan "#rtificial

Intelligence$ merupakan salah satu

%agian ari ilmu komputer yang

mempelajari %agaimana mem%uat mesin

"komputer$ apat melakukan pekerjaan

seperti se%aik yang ilakukan oleh

manusia %ahkan %isa le%ih %aik aripa a

yang ilakukan manusia. #plikasi atau

program kecer asan %uatan apat itulis

alam %ahasa komputer& %aik %ahasa '&Pascal& !asic& an %ahasa pemrograman

lainnya. Tetapi alam perkem%angan

selanjutnya& ikem%angkan %ahasa

pemrograman yang khusus untuk

aplikasi kecer asan %uatan& yaitu (IP)

an PR*(*+.

'. La $a(a T#)*"'.1. P# +a,-"&a K# utu(a


2/7

Pengam%ilan Keputusan a alah suatu proses

pemikiran alam rangka pemecahan suatu

masalah untuk memperoleh hasil akhir

untuk ilaksanakan. Kesalahan alam

pengam%ilan keputusan %isa %er ampak kepa a kerugian. ,isal alam perusahaan&

keputusan yang iam%il oleh pimpinan

perusahaan merupakan hasil pemikiran yang

harus ilaksanan oleh %a-ahannya atau

mereka yang harus ilaksanakan oleh

%a-ahannya atau mereka yang %ersangkutan

engan organisasi yang ia pimpin.

'.'. Data M" " +

ata ,ining merupakan proses yang

iulang an memerlukan interaksi manusia

alam prosesnya untuk menemukan pola

atau mo el %aru yang apat igeneralisasi

untuk masa yang akan atang& an

%ermanfaat jika igunakan untuk melakukan

suatu tin akan. ata mining %erisi pencarian

pola yang iinginkan alam ata%ase %esar

untuk mem%antu alam pengam%ilan

keputusan i-aktu yang akan atang. Pola/

pola ini ikenali oleh perangkat tertentu

yang apat mem%erikan suatu analisa ata

yang kemu ian apat ipelajari engan teliti

an %ermanfaat. an salah satu teknik ari

%agian ata mining a alah klasifikasi& yaitu

menentukan se%uah recor ata %aru ke

salah satu ari %e%erapa kategori atau klas

yang yang telah ifenisikan se%elumnya.

an salah satu %agian teknik ari klasifikasi

a alah pohon keputusan.

'.3. M#t)$# D#!"(") T*##

Pohon Keputusan merupakan representasi

se erhana ari teknik klasifikasi yang

merupakan proses pem%elajaran suatu fungsi

tujuan yang memetakan tiap himpunan

atri%ut ke satu ari kelas yang i efenisikanse%elumnya.

Pohon keputusan merupakan salah satu

meto e klasifikasi yang paling populer

karena mu ah untuk iinterpretasi oleh

manusia. engan kemampuannya untuk

mem/%reak o-n proses pengam%ilan

keputusan yang kompleks menja i le%ih

simple. Pohon keputusan juga apat

menemukan hu%ungan tersem%unyi antara

sejumlah calon varia%el input engan se%uah

varia%el target. )elain itu pohon keputusan

apat mema ukan antara eksplorasi ata an

pemo elan& sehingga sangat %aik se%agai

langkah a-al alam proses pemo elan.

+am%ar !lok iagram ,o el Klasifikasi

engan menggunakan meto e pohon

keputusan apat menghin ari munculnya

permasalahan engan menggunakan kriteria

yang jumlahnya le%ih se ikit pa a setiap

no e internal tanpa %anyak mengurangi

kualitas keputusan yang ihasilkan. an

kekurangan ari pohon keputusan

iantaranya a alah terja i overlap terutama

ketika kelas/kelas an kriteria yang

igunakan jumlahnya sangat %anyak an


3/7

kualitas hasil keputusan yang i apatkan

sangat tergantung pa a %agaimana pohon

terse%ut i esain.

,eto e ini igunakan untuk mempre iksi

nilai iskrit ari fungsi target& yang mana

fungsi pem%elajaran ipresentasikan oleh

se%uah ecision tree. ecision tree

merupakan himpunan I01T2E3.)etiap

path alam tree ihu%ungkan se%uah aturan&

imana presi ter iri ari sekumpulan no e

no e yang itemui& an kesimpulan ari

aturan ter iri atas kelas yang terhu%ung

enganleaf ari path.

Ter apat 4 jenis no e yang ter apat pa a

ecision tree& yaitu:

a.Root no e& merupakan no e paling atas&

pa ano e ini ti ak a a input an %isa ti ak

mempunyai output atau mempunyai outputle%ih ari satu.

%.Internal 3o e& merupakan no e

perca%angan. Pa a no e ini ter apat

perca%angan. Pa a no e ini ter apat satu

input an memiliki output mininmal ua.

c.(eaf no e atau terminal no e& merupakanno e akhir. Pa a no e ini ter apat satu input

an ti ak mempunyai output.

'.4. A&+)*"t,a C4.5

merupakan algoritma yang digunakan

untuk membuat Pohon Keputusan. alam

algoritma '5.6 untuk mem%angun pohon

keputusan hal pertama yang ilakukan yaitu

memilih atri%ut se%agai akar. Kemu ian

i%uat ca%ang untuk tiap/tiap nilai i alam

akar terse%ut. (angkah %erikutnya yaitu

mem%agi kasus alam ca%ang. Kemu ian

ulangi proses untuk setiap ca%ang sampai

semua kasus pa a ca%ang memiliki kelasyang sama

'.5. A&+)*"t,a C5.0

#lgoritma '6.7 merupakan merupakan

penyempurnaan ari algoritma ter ahulu

yang i%entuk oleh Ross 8uinlan pa a

tahun 9 ;


4/7

,enggunakan Teknik ata ,ining ecision

Tree oleh ogi usuf A& 0. Rian Pratikto&

Bivianne #. ) "Curusan Teknik In ustri&

Universitas Katolik Parahyangan$.

3.1. Ju* a& I /K&a(" "ka(" K*#$"t

Pa a jurnal pertama penulis melakukan

pengimplementasian algoritma '5.6.

)etelah ilakukan pengujian meto e

algoritma '5.6 Pa a rapi ,iner& maka

ter%entuk pohon keputusan seperti gam%ar.

Pa a gam%ar yang menja i akar ari pohon

keputusan yaitu -aktu. Pohon keputusan

iatas menghasilkan rule yang yang akan

iimplementasikan pa a program. Rules

terse%ut se%agai %erikut:

9. Cika -aktu =pen ek? an pen apatan

=%esar?& maka keterangan D (ancar.

. Cika -aktu =pen ek?& pen apatan =kecil?

an pinjaman =kecil?& maka keterangan D

(ancar.

4. Cika -aktu =pen ek?& pen apatan=kecil?

an pinjaman =se ang?& maka keterangan D

(ancar.

5. Cika -aktu =pen ek?& pen apatan

=se ang? ?& maka keterangan D (ancar.

6. Cika -aktu =se ang?& maka keterangan D

Ti ak (ancar.

Pa a jurnal pertama ini penulis melakukan

pengujian engan algoritma '5.6 imana

tingkat akurasinya tergolong "ood

Classification. !erikut merupakan etail

Rapi ,iner :

Kele%ihan :

Kele%ihan penggunaan meto e ecision tree

pa a jurnal pertama ini a alah tingkat

keakurasian pengam%ilan keputusan su ahsangatlah %aik& hal ini i asarkan pa a

tingkat perhitungan rapi minerF aerah

pengam%ilan keputusan nasa%ah yang

se%elumnya sangat luas an kompleks apat

i%uat se emikian se erhanaF eliminasi

perhitungan/perhitungan yang ti ak

iperlukan& karena pa a ecision tree

sample yang iuji hanya yang memenuhi

kriteria tertentu.

Kekurangan :

Kekurangan penggunaan meto e ecision

tree pa a jurnal pertama ini a alah apat

terja i overlap jika ter apat kelas/kelas

nasa%ah yang memiliki kriteria yang mirip.


5/7

2al ini juga menye%a%kan kalkulasi error

yang sangat %anyak saat system ijalankan.

3.'. Ju* a& II /P# # tua R#("k) K*#$"t

Pa a jurnal ke ua penulis melakukan pengimplementasian meto e ecision tree

engan #lgoritma '6.7 untuk menemukan

resiko kre it terha ap kemampuan client

alam menyelesaikan ke-aji%annya se%agai

pelaku kre it. Penilaian kemampuan

ilakukan engan %anyak kriteria tertentu

,o el cre it scoring yang akan

ikem%angkan a alah mo el yang

mempre iksi risiko kre it se%agai kre it

lancar an kre it macet. ,o el ini akan

igunakan pa a tahap skoring kre it. )etiap

pemohon kre it iharuskan mengisi

informasi/informasi yang selanjutnya akan

iproses pa a tahap skoring kre it.Informasi/informasi yang harus iisi oleh

pemohon kre it a alah:

9. Penghasilan& rata/rata penghasilan selama

tiga %ulan terkahir.

. 'icilan per %ulan& %esarnya pem%ayaran

yang harus ilakukan setiap %ulan.

4. Cumlah perio e pinjaman& jumlah perio e

pelunasan utang "pilihanannya a alah 9 &

5& 4G %ulan$.

5. Rekening koranHta%ungan& rata/rata

perputaran keuangan selama tiga %ulan

terkahir.

6. Umur& umur pemohon kre it.

G. Rekening tagihan telepon& rata/rata

tagihan telepon yang harus i%ayar alam

tiga %ulan terakhir.


6/7

D 5 an Rekening koran H Ta%ungan

957. 99. 56 then (ancar

Rule 6 for (ancar if Penghasilan JD

94777777 an P 66 an Cumlah

!ulan D 4G an Rekening koran H Ta%ungan

JD 957. 99. 56 an 'icilan per !ulan

.676.577 then (ancar

Rule G for ,acet if Penghasilan JD

94777777 an P JD66 then ,acet

Rule < for ,acet if Penghasilan JD

94777777 an P 66 an Cumlah !ulan

D 5 an Rekening koran H Ta%ungan JD

957. 99. 56 an 'icilan per !ulan JD

.676.577 then ,acet

Pemo elan pre iksi status kre it i%antu

engan soft-are 'lementine. #lgoritma

yang igunakan a alah algoritma '6.7.

#lgoritma '6.7 %ekerja engan melakukan

splitting pa a sampel %er asarkan varia%el

yang mem%erikan information gain

tertinggi. )etiap su% sampel i efinisikan

engan first split kemu ian melakukan split

kem%ali yang %iasanya i asarkan pa a

varia%el yang %er%e a an proses akan terus

%erulang hingga su% sampel ti ak apat

ilakukan split.

Kele%ihan :

Kele%ihan ari penggunaan algoritma '6.7

yaitu Luite ro%ust pa a keha iran masalah

seperti missing ata an jumlah yang %esar

ari input varia%el. ,o el yang ihasilkan

oleh algoritma '6.7 le%ih mu ah ipahami

aripa a mo el lainnya untuk

iinterpretasikan. ,o el pre iksi yang

ihasilkan %er asarkan ari training ata

se%anyak G7 ari total sampel yang a a.

Kekurangan :

Kekurangan ari algoritma '6.7 a alah

masih %anyak terja i overlap& jika

pengklasifikasian i sarkan pa a kriteria

yang telalu umum an kompleks. 2al ini

juga mem%uat system mu ah ter%e%ani

engan space penyimpanan yang cukup %anyak.

4. P# utu

alam menggunakan meto e ecision tree

algoritma '6.7 le%ih %aik i%an ing '5.6.

karena algoritma '6.7 apat melakukan penghematan memori le%ih %esar is%an ing

'5.6 se%anyak 7 le%ih cepat. Perhitungan

ini i asarkan pa a tautan jurnal yang

melakukan per%an ingan ke ua algoritma

melalui %e%erapa sample kompleks.

#lgoritme '6.7 tetap ianggap se%agai

algoritma yang sangat mem%antu alammelakukan klasifikasi ata karena

karakteristik ata yang iklasifikasi apat

iperoleh engan jelas %aik alam %entuk

struktur pohon keputusan maupun aturan if/

then& sehingga memu ahkan pengguna

alam melakukan penggalian informasi

terha ap ata yang %ersangkutan.

Da ta* Pu(taka


7/7

Pramu iono I. Pengantar ata ,ining:

,enam%ang Permata Pengetahuan i

+unung ata. 774

JUR(:http:HHikc. inus.ac.i HumumHikoHik

o/ atamining.Mip iakses tanggal 47ecem%er 796.

3ugroho& 0anuel.& Kristanto& 2arianto.& an

*slan& etli. Bali itas )uatu #lamat

menggunakan Pohon keputusan engan

#lgoritma I 4. Curnal Informatika&

Bolume 4 3omor #pril 77

Kecerdasan Buaasdtan

Documents

Transcript of Kecerdasan Buaasdtan