Metode Decision tree Learning dalam kecerdasan buatan
Diajukan untuk memenuhi tugas mata kuliah kecerdasan buatan
Disusun Oleh : kelompok 8
1. Aby Dzar
2. Aprima
3. Edi. Juneadi
4. Mira. Maemunah
KONSENTRASI PENDIDIKAN GURU TIK
JURUSAN KURIKULUM DAN TEKNOLOGI PENDIDIKAN
FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS PENDIDIKAN INDONESIA
2011
KATA PENGANTAR
Puji dan syukur kami panjatkan kepada kehadirat Allah SWT karena atas rahmat dan karunia-nyalah penulis bisa menyelesaikan tugas makalah ini. Tak lupa shalawat beserta salam semoga tercurah kepada baginda nabi besar Muhammad SAW.
Dalam kesempatan ini penulis diberikan sebuah amanah untuk menyusun sebuah makalah Kecerdasan buatan yang membahas tentang ” Metode Decision tree Learning dalam kecerdasan buatan”.
Penulis menyadari sekali bahwa penulisan makalah ini masih jauh dari kesempurnaan dan masih banyak hal-hal yang harus diperbaiki, oleh sebab itu penulis sangat mengharapkan berbagai kritik dan saran dari berbagai pihak guna perbaikan untuk masa yang akan datang.
Penulis mengucapkan terimakasih kepada semua pihak yang telah terlibat dalam proses pembuatan makalah ini, semoga Allah senantiasa membalas semua kebaikan kepada mereka yang telah memberikan kontribusinya baik berupa materil maupun spiritual.
Bandung, November 2011
Penyusun
BAB I
PENDAHULUAN
I.1 Latar Belakang
Dalam konsep kecerdasan buatan terdapat beberapa metode yang bisa digunakan dalam membuat program yang menggunakan prinsip kecerdasan buatan. Salah satunya adalah metode Learning. Dalam metode Learning ada beberapa bagian diantaranya, yaitu : Decision tree learning, jaringan syaraf tiruan, dan algoritma genetika. Setiap metode itu memiliki karakteristik dan perbedaan diantara ketiga metode tersebut.
Decisin tree Learning adalah salah satu metode belajar yang sangat populer dan banyak digunakan secara praktis. Metode ini merupakan metode yang berusaha menemukan fungsi-fungsi pendekatan yang bernilai diskrit dan tahan terhadap data-data yang terdapat kesalahan serta mampu mempelajarai ekspresi-ekspresi disjunctive. Dalam makalah ini pun akan membahas sejauh mana decision tree learning digunakan dan fungsinya selama ini .
I.2 Rumusan Masalah
1. Apa itu Decision tree Learning?
2. Siapa yang membuat Decision pertama kali?
3. Kenapa Decision tree Learning digunakan?
4. Dimana saja Decision tree Learning diaplikasikan?
5. Kapan Decision tree Learning digunakan?
6. Bagaimana Decision tree Learning digunakan?
I.3 Batasan Masalah
Kita dalam membuat makalah ini hanya membahas tentang sub bagian dari metode Learning dalam kecerdasan buatannya adalah decision tree learning saja, tidak membahasa jaringan syaraf tiruan ataupun algoritma genetika
I.4 Tujuan Makalah
1.Untuk mengetahui Apa itu Decision tree Learning
2. Untuk mengetahui Siapa yang membuatDecision pertama kali
3. Untuk mengetahui Kenapa Decision Learning digunakan
4. Untuk mengetahui Dimana saja Decision tree Learning bisa diaplikasikan
5. Untuk mengetahui Kapan Decision tree Learning digunakan
6. Untuk mengetahui Bagaimana Decision Learning digunakan
BAB II
PEMBAHASAN
II.1 Apa itu Decision tree Learning
Decision tree merupakan salah satu metode klasifikasi yang menggunakan representasi struktur pohon (tree) dimana setiap node merepresentasikan atribut, cabang nya merepresentasikan nilai dari atribut, dan daun merepresentasikan kelas. Node yang paling atas dari decision tree disebut sebagai root.
Decision tree merupakan metode klasifikasi yang paling populer digunakan. Selain karena pembangunannya relatif cepat, hasil dari model yang dibangun mudah untuk dipahami. Pada decision tree terdapat 3 jenis node , yaitu :
a. Root Node
Merupakan node paling atas, pada node ini tidak ada input dan bisa tidak mempunyai output atau mempunyai output lebih dari satu.
b. Internal Node
Merupakan node percabangan, pada node ini hanya terdapat satu input dan mempunyai output minimal dua.
c. Leaf node atau terminal node
Merupakan node akhir, pada node ini hanya terdapat satu input dan tidak mempunyai output
Konsep dari decision tree learning itu sendiri adalah mengubah data menjadi pohon keputusan (decision tree) dan aturan-aturan keputusan (rule).
II.2 Kapan dan Siapa yang membuat decision tree learning
Dalam beberapa sumber yang saya cari dan saya baca tidak ada keterangan yang membuat metode ini pertama kali siapa, hanya ada yang mengembangkan pertama kali, berarti kemungkinan besar orang tersebut adalah orang yang melahirkan ide membuat decision tree learning untkuk pertama kali. Orang itu yang pertama kali mengembangkan itu adalah Ross Quinlan di Universitas Sydney pada tahun 1975.
II.3 Kenapa Decision tree learning digunakan
Penggunaan model Pohon Keputusan (decision tree learning) ini selain mudah dipahami juga dapat digunakan untuk menemukan aturan atau syarat-syarat yang dapat dijadikan sebagai kriteria yang berguna untuk keperluan analisa dalam suatu proses pengambilan keputusan.
II.4 Dimana Decision tree learning digunakan
Decision tree learning ini tidak hanya digunakan dalam satu bidang tertentu saja tapi bisa disemua bidang, misal dalam :
1. Bidang kesehatan
diagnosa penyakit tertentu, seperti hipertensi, kanker, stroke, dan lain-lain
2. Bidang sosial
Pemilihan produk seperti rumah, kendaraan, komputer dan lain-lain.
3. Bidang Ekonomi
Pemilihan pegawai teladan sesuai dengan kriteria tertentu
II.5 Bagaimana Decision tree learning digunakan
Dalam menggunakan decision tree ada beberapa proses yang harus dijalankan oleh kita yaitu :
1. Mengubah bentuk data (tabel) menjadi model tree
2. Mengubah model tree menjadi rule
3. Menyederhanakan rule (pruning)
Berikut ini salah satu penjelasan dari penjelasan di atas:
· Mengubah bentuk data menjadi model tree
· Mengubah model tree menjadi rule
· Menyederhanakan rule (pruning)
Tidak ada komentar:
Posting Komentar