.:: Jasa Membuat Aplikasi Website,Desktop,Android Order Now..!! | | Order Now..!! Jasa Membuat Project Arduino,Robotic,Print 3D ::.

Algoritma C4.5

0 komentar


بِسْــــــــــــــــمِ اﷲِالرَّحْمَنِ اارَّحِيم
bismillaahirrahmaanirrahiim

السَّلاَمُ عَلَيْكُمْ وَرَحْمَةُ اللهِ وَبَرَكَاتُهُ
Assalamu'alaikum warahmatullahi wabarakatuh

Algoritma C4.5


Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan (Decision Tree). Pohon keputusan merupakan metode klasifikasi dan prediksi yang terkenal.
Pohon keputusan berguna untuk mengekspolari data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target.
Banyak algoritma yang dapat dipakai dalam pembentukan pohon keputusan, antara lain : ID3, CART, dan C4.5. Algoritma C4.5 merupakan pengembangan dari algoritma ID3, Proses pada pohon keputusan adalah mengubah bentuk data (tabel) menjadi model pohon, mengubah model pohon menjadi rule, dan menyederhanakan rule.

Contoh Data Keputusan Bermain Tenis

Algoritma C4.5



    Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut :
  • Pilih atribut sebagai akar.
  • Buat cabang untuk tiap-tiap nilai.
  • Bagi kasus dalam cabang.
  • Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama.

Konsep Entropy
  • Entropy (S) merupakan jumlah bit yang diperkirakan dibutuhkan untuk dapat mengekstrak suatu kelas (+ atau -) dari sejumlah data acak pada ruang sampel S.
  • Entropy dapat dikatakan sebagai kebutuhan bit untuk menyatakan suatu kelas.
  • Entropy digunakan untuk mengukur ketidakaslian S.


Algoritma C4.5


Konsep Gain
  • Gain (S,A) merupakan perolehan informasi dari atribut A relative terhadap output data S.
  • Perolehan informasi didapat dari output data atau variable dependent S yang dikelompokkan berdasarkan atribut A, dinotasikan dengan gain (S,A).

Algoritma C4.5


Langkah 1
  • Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut OUTLOOK, TEMPERATURE, HUMIDITY, dan WINDY.
  • Setelah itu lakukan perhitungan Gain untuk setiap atribut.
  • Hasil perhitungan ditunjukan di bawah ini.

Perhitungan Node 1

Algoritma C4.5


Cara Perhitungan Node 1 (1)

Algoritma C4.5
Cara Perhitungan Node 1 (2)

Algoritma C4.5

Cara Perhitungan Node 1 (3)

  • Dari hasil diketahui bahwa atribut dengan gain tertinggi adalah HUMIDITY yaitu sebesar 0.37. Sehingga HUMIDITY dapat menjadi node akar.
  • Ada dua nilai atibut dari HUMIDITY, yaitu HIGH dan NORMAL.
  • Nilai atribut NORMAL sudah mengklasifikasikan kasus menjadi 1, yaitu keputusannya Yes, sehingga tidak perlu dilakukan perhitungan lebih lanjut.
  • Tetapi untuk nilai HIGH masih perlu dilakukan perhitungan lagi.


Algoritma C4.5


Langkah 2
  • Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No. 
  • Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut OUTLOOK, TEMPERATURE dan WINDY, yang dapat menjadi node akar dari nilai atribut HIGH.
  • Setelah itu lakukan perhitungan Gain, untuk tiap-tiap atribut.


Perhitungan Node 1.1

Algoritma C4.5


Cara Perhitungan Node 1.1 (1)

  • Atribut dengan Gain tertinggi adalah OUTLOOK, yaitu sebesar 0.6995.
  • Sehingga OUTLOOK dapat menjadi node cabang dari nilai atribut HIGH.
  • Ada tiga nilai dari atribut OUTLOOK yaitu CLOUDY, RAINY dan SUNNY.

- CLOUDY => klasifikasi kasus 1 (Yes)
- SUNNY   => klasifikasi kasus 1 (No)
- RAINY     => masih perlu perhitungan lagi.


Cara Perhitungan Node 1.1 (2)

Algoritma C4.5


Langkah 3

  • Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No. 
  • Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut TEMPERATURE dan WINDY, yang dapat menjadi node cabang dari nilai atribut RAINY.
  • Setelah itu lakukan perhitungan Gain, untuk tiap-tiap atribut.


Perhitungan Node 1.1.2

Algoritma C4.5


Cara Perhitungan Node 1.1.2 (1)

  • Atribut dengan Gain tertinggi adalah WINDY, yaitu sebesar 1.
  • Sehingga WINDY dapat menjadi node cabang dari nilai atribut RAINY.
  • Ada dua nilai dari atribut WINDY, yaitu FALSE dan TRUE.

- Nilai atribut FALSE sudah mengklasifikasikan kasus menjadi 1 (Yes).
- Nilai atribut TRUE sudah mengklasifikasikan kasus menjadi 1 (No).
- Sehingga tidak perlu dilakukan perhitungan lagi.

Cara Perhitungan Node 1.1.2 (2)

Algoritma C4.5


anda bisa melihat contoh lainnya pada artikel berikut ini Contoh Perhitungan Decision Tree dengan Algoritma C45
Update Contact :
No Wa/Telepon (puat) : 085267792168
No Wa/Telepon (fajar) : 085369237896
Email : Fajarudinsidik@gmail.com
NB :: Bila Sobat tertarik Ingin membuat software, membeli software, membeli source code, membeli hardware elektronika untuk kepentingan Perusahaan maupun Tugas Akhir (TA/SKRIPSI), Insyaallah Saya siap membantu, untuk Respon Cepat dapat menghubungi kami, melalui :

No Wa/Telepon (puat) : 085267792168
No Wa/Telepon (fajar) : 085369237896
Email: Fajarudinsidik@gmail.com


atau Kirimkan Private messanger melalui email dengan klik tombol order dibawah ini :

ٱلْحَمْدُ لِلَّهِ رَبِّ ٱلْعَٰلَمِين
Alhamdulilah hirobil alamin

وَ السَّلاَمُ عَلَيْكُمْ وَرَحْمَةُ اللهِ وَبَرَكَاتُهُ
wassalamualaikum warahmatullahi wabarakatuh


Artikel Algoritma C4.5, Diterbitkan oleh scodeaplikasi pada Kamis, 30 Juni 2016. Semoga artikel ini dapat menambah wawasan Anda. Website ini dipost dari beberapa sumber, bisa cek disini sumber, Sobat diperbolehkan mengcopy paste / menyebar luaskan artikel ini, karena segala yang dipost di public adalah milik public. Bila Sobat tertarik Ingin membuat software, membeli software, membeli source code ,Dengan Cara menghubungi saya Ke Email: Fajarudinsidik@gmail.com, atau No Hp/WA : (fajar) : 085369237896, (puat) : 085267792168.

Tawk.to