1 / 23

DATA DIRI DOSEN

Nama : AFIJAL, S.Kom, M.Kom NIDN : 0125088401 TTL : Pulau Kayu, 25 Agustus 1984 Alamat : Jl. Medan – B. Aceh Lr. Sawah Gampong Uteun Geulinggang Kec. Dewantara Kab. Aceh Utara No. HP : +62813 6058 8524 – PIN BB : 73EA1C50 Webblog : http://www.ijalnewbie.wordpress.com PENDIDIKAN

hadassah-rivas
Download Presentation

DATA DIRI DOSEN

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Nama : AFIJAL, S.Kom, M.Kom • NIDN : 0125088401 • TTL : Pulau Kayu, 25 Agustus 1984 • Alamat : Jl. Medan – B. Aceh Lr. Sawah Gampong Uteun Geulinggang Kec. Dewantara Kab. Aceh Utara • No. HP : +62813 6058 8524 – PIN BB : 73EA1C50 • Webblog : http://www.ijalnewbie.wordpress.com • PENDIDIKAN • SD Negeri 1 Blang Dalam Kab. Aceh Selatan • SMP Negeri 1 Kuala Batee Kab. Aceh Selatan • SMA Negeri 2 Lhokseumawe Kab. Aceh Utara • AMIK Logika Yos Sudarso Medan Diploma I • STMIK Bina Bangsa Lhokseumawe Sarjana Komputer Teknik Informatika • Universitas Putra Indonesia “YPTK” Padang Magister Komputer Sistem Informasi • PEKERJAAN SEKARANG • Dosen Tetap Universitas Almuslim Peusangan • Direktur LSM JADUP Bireuen • Tuha Peut Kualisi untuk Advokasi Laut Aceh (KuALA) • Ketua Pembina Yayasan RIPMA (Riset dan Pengembangan Masyarakat) DATA DIRI DOSEN

  2. Algoritma c4.5 pohon keputusan (decision tree)dalam data mining

  3. Algoritma C4.5 merupakanalgoritma yang digunakanuntukmembentukpohonkeputusan. Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dengan mudah dipahami dengan bahasa alami. Dan mereka juga dapat diekspresikan dalam bentuk bahasa basis data seperti structured query languange untuk mencari record pada kategori tertentu. Pohon Keputusan (Decision Tree)

  4. Pohonkeputusandigunakanuntukexplorasi data,menemukanhubungantersembunyi antarasejumlahcalonvariabelinputdengan sebuahvariabeltarget. PohonkeputusanadalahSTRUKTURyang dapatdigunakanmembagikumpulandata yangbesarmenjadihimpunan-himpunan recordyanglebihkecildenganmenerapkan serangkaianaturankeputusan. Lanjutan Pohon Keputusan (Decision Tree)

  5. Banyakalgoritmayangdipakaidalam pembentukanpohonkeputusanantaralain: ID3,CART,danC4.5.AlgoritmaC4.5adalah pengembangandarialgoritmaID3. DATAdalampohonkeputusanbiasanya dinyatakandalambentuktabeldenganatribut danrecord. –Atributmenyatakansuatu parameteryang dibuat sebagaikriteriadalampembentukanpohon keputusan. Lanjutan Pohon Keputusan (Decision Tree)

  6. Padatabeldibawahiniakan dibuatpohonkeputusanuntukmenentukanmaintenis atautidakdenganmelihatkeadaancuaca,temperatur,kelembabandankeadaangangin No Cuaca Temperatur Kelembaban Berangin Bermain 1 Cerah Panas Tinggi FALSE Tidak 2 Cerah Panas Tinggi TRUE Tidak 3 Berawan Panas Tinggi FALSE Iya 4 Hujan Sejuk Tinggi FALSE Iya 5 Hujan Dingin Normal FALSE Iya 6 Hujan Dingin Normal TRUE Iya Lanjutan Pohon Keputusan (Decision Tree) 7 Berawan Dingin Normal TRUE Iya 8 Cerah Sejuk Tinggi FALSE Tidak 9 Cerah Dingin Normal FALSE Iya 10 Hujan Sejuk Normal FALSE Iya 11 Cerah Sejuk Normal TRUE Iya 12 Berawan Sejuk Tinggi TRUE Iya 13 Berawan Panas Normal FALSE Iya 14 Hujan Sejuk Tinggi TRUE Tidak

  7. SecaraumumalgoritmaC4.5untuk membangunpohonkeputusanadalahsebagaiberikut: • Pilihatributsebagaiakar • Buat cabanguntuktiap-tiap nilai • Bagikasusdalamcabang • Ulangiprosesuntuksetiap cabangsampaisemua kasus padacabangmemilikikelas yangsama Algoritma C4.5

  8. Untukmemilihatributsebagaiakar, didasarkanpadagaintertinggidariatribut- atributyangada. Untukmenghitung gain digunakanrumus : Keterangan: S A n |Si| |S| =HimpunanKasus, =Atribut, =jumlahpartisiatributA =jumlahkasuspadapartisi ke-I =jumlahkasusdalamS Lanjutan Algoritma C4.5

  9. Perhitungan nilai entropi dapat di lihat dari persamaan sebagai berikut : Lanjutan Algoritma C4.5 Keterangan: S A n Pi =HimpunanKasus =Fitur =jumlahpartisiatributS = proposidariSi terhadap

  10. Menghitungjumlahkasus,jumlahkasusuntuk keputusanIya,jumlahkasusTidak,dan Entropydarisemuakasusdankasusdibagi menjadiatributCuaca,Temperatur, Kelembaban,danBerangin Lanjutan Algoritma C4.5

  11. NODE JUMLAHKASUS TIDAK (s1) IYA(s2) ENTROPY GAIN 1 TOTAL 14 4 10 0,863121 CUACA 0,258521 BERAWAN 4 0 4 0 HUJAN 5 1 4 0,721928 CERAH 5 3 2 0,970951 TEMPERATUR 0,1838509 DINGIN 4 0 4 0 PANAS 4 2 2 1 SEJUK 6 2 4 0,918296 KELEMBABAN Lanjutan Algoritma C4.5 TINGGI 7 4 3 0,985228 NORMAL 7 0 7 0 BERANGIN 0,0059777 TRUE 8 2 6 0,811278 FALSE 6 4 2 0,918296

  12. BarisTOTALdariKolomEntropydihitungdengan persamaan: Lanjutan Algoritma C4.5

  13. NilaiGainpadabarisCuacadihitungdengan penggunakanpersamaan : Lanjutan Algoritma C4.5

  14. AtributdenganGaintertinggiadalah KELEMBABANdengannilai0,37. • KelembabanmenjadiNODE(Akar). • AdaduanilaiatributKelembaban: TINGGI NORMAL • NilaiNORMALsudah mengklasifikasikankasus menjadisatu yaitukeputusanIYAjadi tidakperlu perhitungan,tapinilaiatribut TINGGImasihperlu perhitungan. Lanjutan Algoritma C4.5

  15. 1. mba Kel ban Pohon Keputusan Hasil Perhitungan Node 1 TINGGI NORMAL Yes 1.1 ?

  16. NODE JUMLAHKASUS TIDAK(s1) IYA(s2) ENTROPY GAIN 1 HUMIDITY 7 4 3 0,985228 CUACA 0,6995139 BERAWAN 2 0 2 0 HUJAN 2 1 1 1 CERAH 3 3 0 0 TEMPERATUR 0,0202442 DINGIN 0 0 0 0 PANAS 3 2 1 0,918296 SEJUK 4 2 2 1 BERANGIN 0,0202442 Lanjutan Algoritma C4.5 GaintertinggidiCUACA.Terdapat3NILAI:BERAWAN,HUJAN,CERAH. BERAWANIYA,danCERAHTIDAK,CLOUDYharusdihitung TRUE 4 2 2 1 FALSE 2 2 1 0,918296

  17. 1. Kelembaban TINGGI NORMAL 1.1 Cuaca Yes Pohon Keputusan Hasil Perhitungan Node 1.1 BERAWAN CERAH HUJAN No Yes 1.1.2 ?

  18. NODE JUMLAHKASUS TIDAK(s1) IYA(s2) ENTROPY GAIN 1 KELEMBABAN TINGGIdan CUACA HUJAN 2 1 1 1 TEMPERATUR 0 DINGIN 0 0 0 0 PANAS 0 0 0 0 SEJUK 2 1 1 1 Lanjutan Algoritma C4.5 BERANGIN 1 TRUE 1 0 1 0 FALSE 1 1 0 0

  19. 1 Kelembaban TINGGI NORMAL Yes 1.1 Cuaca CERAH BERAWAN HUJAN Yes No 1.1 Windy Pohon Keputusan Hasil Perhitungan Node 1.1.2 FALSE TRUE Yes No

  20. Denganmemperhatikanketigapohonkeputusandari node 1, node 1.1 dan node 1.1.2 diketahuibahwasemuakasussudahmasukdalamkelas. Dengan demikian, pohon keputusan node 1.1.2 merupakan pohon keputusan terakhir yang terbentuk. Lanjutan Algoritma C4.5

  21. Pertanyaan dan Diskusi Bertanyalah Bila Anda Tidak Ingin Sesat di Jalan

  22. “Jika kamu tidak mengejar apa yang kamu inginkan, maka kamu tidak akan mendapatkannya. Jika kamu tidak bertanya maka jawabannya adalah tidak. Jika kamu tidak melangkah maju, kamu akan tetap berada di tempat yang sama” Kata-kata Bijak perangsang Otak

  23. Sampai Jumpa Pada Pertemuan Berikutnya....... !

More Related