Pohon Keputusan (Decision Tree)

Berdasakan tabel diatas akan dibuat tabel keputusan untuk menentukan main tenis atau tidak dengan melihat keadaan Outlook , Temperatur, Humidity , dan windy.

Perhitungan Gain

Keterangan:

   - S : himpunan
   - A : atribut
   - n  : jumlah partisi atribut A
   - | Si | : jumlah kasus pada partisi ke-i
   - | S |  : jumlah kasus dalam S

Menghitung Nilai Entropy

Keterangan:

S : himpunan kasus
A : fitur
n  : jumlah partisi S
pi : proporsi dari Si terhadap S

Perincian algoritma ( langkah 1)

·                     Menghitung jumlah kasus seluruhnya, jumlah berkeputusan “Yes” maupun “No”.

·                     Menghitung Entropy dari semua kasus yg terbagi berdasarkan atribut “Outlook”,                                  “Temperature”,

“Humidity’, “Windy”

·                     Lakukan penghitungan Gain utk setiap atributnya

Perhitungan 1

Pada table didapat “HUMIDITY” dengan tingkat gain tertinggi maka akan dijadikan node akar. Humidity memiliki 2 nilai yaitu “HIGH” dan “NORMAL”, karena “NORMAL” pasti bernilai “YES” maka tidak perlu dihitung lagi. Maka perhitungan selanjutnya adalah “HUMIDITY HIGH”

Perhitungan 2

Pada table didapat “OUTLOOK” dengan tingkat gain tertiggi maka akan dijadikan node cabang dari “HUMIDITY HIGH”. “OUTLOOK” mempunyai 3 nilai yaitu “CLOUDY, “RAINY”, “SUNNY”. Karena “CLOUDY” pasti bernilai “YES” dan “SUNNY” pasti bernilai “NO” maka tidak perlu dihitung. Maka perhitungan selanjutnya adalah “RAINY”

Perhitungan 3

Pada table didapat “WINDY” dengan tingkat gain tertiggi Maka “Windy” menjadi node cabang dari atribut humidity yg bernilai “High” dan outlook yg bernilai “Rainy”. Berdasarkan atribut “Windy” terdpt 2 nilai yaitu “TRUE” dan “FALSE”. Karena “TRUE” sudah pasti “YES” dan “FALSE” sudah pasti “NO” maka tidak perlu dihitung lagi.

Maka pohon keputusannya adalah: