Learning (Decision Tree)

Pada postingan kali ini untuk menuaikan tugas kelompok yang diberikan, saya dan teman saya Wise dan Fery akan membangun sebuah decision tree untuk memutuskan apakah akan menunggu meja di suatu restoran atau tidak menunggu. Data yang disediakan berjumlah 12 data yang tertera pada tabel dibawah ini.

Langkah pertama : memilih atribut untuk dijadikan node di decision tree.

Sebelum itu kita akan mencari entropi keseluruhan dari setiap atribut setelah itu kita akan mencari entropi tinggi untuk menentukan atribut yang akan digunakan utuk note di decision tree.

Setelah kita hitung maka kita akan mendapatkan Patrons dengan Gain Paling besar.

Langkah Berikutnya : memilih kembali atribut mana yang cocok dijadikan note karena masih terdapat anak pohon yang belum jelas nilainya

Setelah kita hitung kita mendapatkan bebrapa atribut yang memiliki nilai Gain yang besar sama. Tetapi saya disini memilih Hungry.

Langkah Berikutnya : memilih kembali atribut mana yang cocok dijadikan note karena masih terdapat anak pohon yang belum jelas nilainya

Setelah kita hitung kembali, Gain yang paling besar adalah Type.

Langkah Berikutnya : memilih kembali atribut mana yang cocok dijadikan note karena masih terdapat anak pohon yang belum jelas nilainya

Disini kita kembali mendapatkan nilai Gain yang besar di beberapa atribut. Tetapi disini saya memilih Fri/Sat. Dan dari hasil yang didapatkan terlihat kita mendapatkan pohon keputusan yang jelas nilai kebenarannya.

Sekian Pembuatan Decision Tree Kami dapat sampaikan, mohon maaf jika ada kesalahan penjelasan. Atas perhatiannya kami ucapkan terimakasih

Dibuat oleh:

Fadila Bachriansyah

Fery Orlan

Wise Aditya