Dalam mengolah data dan mengambil kesimpulan dari kumpulan data, kita dapat menggunakan 3 metode, yakni decision tree, naïve bayes, dan decision table. Dan pada kesempatan kali ini, saya akan menjelaskan ketiganya. Mudah-mudahan semuanya paham dan mengerti konsep serta cara penggunaannya. Oke berikut:
a) Decision Tree Learning (DTL)
DTL merupakan sebuah metode dalam memprediksi/menyimpulkan nilai sebuah item/kategori/kelas berdasarkan nilai-nilai item lain yang mempengaruhinya. Secara gampangnya menghasilkan kesimpulan terhadap sebuah item berdasarkan nilai beberapa input item. Dalam prosesnya, DTL menggunakan sebuah decision tree untuk mengambil kesimpulan.
Decision Tree di atas menunjukkan alur pengambilan keputusan seseorang berdasarkan beberapa nilai beberapa item yaitu ParentsVisiting, Weather, dan Money. Pada leaf node merupakan tindakan yang akan diambil sementara inner node menunjukkan item yang menjadi input dan tiap cabang dari inner node mewakili dari salah satu nilai yang dimiliki oleh inner node tersebut.
b) Naïve Bayes
Naïve Bayes merupakan sebuah metode pengkalisifikasian yang bersifat probabilistik berdasarkan teorema Bayes dengan anggapan fitur-fitur yang mempengaruhi pengklasifikasian tidak saling bergantung/berhubungan, sehingga ada tidaknya salah satu atau beberapa fitur tidak mempengaruhi fitur lainnya.
c) Decision Tables
Secara umum, decision tables mirip dengan konsep decision tree yaitu sama-sama menggunakan konsep dasar if-else atau switch-case. Bedanya hanya pada bagian representasi dimana decision table menggunakan tabel.
Tabel akan dibagi menjadi 2 bagian besar, yaitu kondis dan aksi. Kondisi merupakan hal-hal yang mempengaruhi pengambilan keputusan sementara aksi merupakan keputusan yang diambil. Keputusan yang diambil bisa lebih dari 1.
Science Booth 
Recent Comments