Decision tree

Decision treeDefinisiPohon keputusan adalah salah satu metode klasifikasi yang dinyatakan sebagai partisi rekursif (maimon, 2005)Pohon keputusan adalah sebuah flowchart seperti struktur tree, dimana tiap internal node menunjukkan sebuah test pada sebuah atribut, setiap cabang menunjukkan hasil dari test, dan leaf node menunjukkan kelas (Sujana, 2010). ManfaatManfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan. Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Konsep Mengubah data menjadi sebuah pohon keputusan (decision tree) dan aturan aturan keputusan (rule).

Data dinyatakan dalam bentuk tabel dengan atribut dan record. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam pembentukan tree. Konsep data dalam pohon keputusan yaitu : a. Data dinyatakan dalam bentuk tabel dengan atribut dan record. b. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam pembentukan tree. c. Atribut memiliki nilai-nilai yang dinamakan dengan instance.

Kelebihan dari metode pohon keputusan adalah (Simarmata, 2005): Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu. Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional. Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan criteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.

Kekurangan metode pohon keputusan, yaitu:

Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan. Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan yang besar. Kesulitan dalam mendesain pohon keputusan yang optimal. Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.

permodelan pohon yang biasa dipakai dalam pohon keputusan adalah rooted tree (pohon berakar). Pohon berakar adalah pohon yang satu buah simpulnya diperlakukan sebagai akar dan sisi-sisinya diberi arah sehingga menjadi graf berarah.Struktur Pohon KeputusanSecara umum, pohon keputusan dalah suatu gambaran permodelan dari suatu persoalan yang terdiri dari serangkaian keputusan yang mengarah ke solusi. Tiap simpul dalam menyatakan keputusan dan daun menyatakan solusi. Permodelan pohon keputusan di sini berupa permodelan pohon n-ary, dengan jumlah anak yang dapat berbeda-beda tiap simpulnya

Sebagai sebuah catatan, pohon keputusan tidak hanya dapat ditulis secara vertikal, namun juga dapat secara horizontal. Pada penulisan secara horizontal, pembacaan pohon keputusan dimulai dari kiri ke kanan.Daftar pustakaMunir, Rinaldi. (2006) .Diktat Kuliah IF2153 Matematika Diskrit Edisi Keempat. Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung.Wikipedia. (2006) . Decision Tree. http://en.wikipedia.org/wiki/Decision_tree.Decision Tree Learning. http://en.wikipedia.org/wiki/Decision_tree_learning.Wikipedia. (2006) . Decision Analysis. http://en.wikipedia.org/wiki/Decision_analysis.Wikipedia. (2006) .Data Mining. http://en.wikipedia.org/wiki/Data_mining.