Fuzzy Decision Tree dengan Algoritme ID3 pada Data Diabetes
Teks penuh
Dokumen terkait
Root Node merupakan node paling atas, pada node ini tidak ada input dan bisa tidak mempunyai output atau mempunyai output lebih dari satu. Untuk menentukan data
Pada penelitian selanjutnya diharapkan menggunakan data yang lebih representatif dengan perbandingan jumlah data yang positif dan negatif diabetes yang sama besar,
Form data user digunakan untuk maintenance data user yang mempunyai peran penting pada tiap masing-masing tugas user dalam penggunaan Sistem Pendukung Keputusan
Dari hasil uji coba yang dilakukan dengan pruning dengan menggunakan referensi data standard dihasilkan rule dengan kedalaman yang paling dalam adalah 8 node dan memiliki leaf
Tugas Akhir yang berjudul “Analisis dan Implementasi Klasifikasi Data Menggunakan Soft Decision Tree - ID3 (SDT - ID3)” ini merupakan teknik induksi pohon keputusan
Berdasarkan data hasil evaluasi kinerja dari beberapa algoritma klasifikasi Decision Tree yaitu: ID3, C4.5, dan CART dapat disimpulkan bahwa model algoritma klasfikasi
Hal ini terjadi karena secara kebetulan semua aturan pada kedua model tersebut memiliki kelas target yang sama yaitu negatif diabetes dan test set yang digunakan juga berasal
Rataan nilai error rate dari decision tree hasil pruning dengan tiga buah algoritme serta error rate decision tree sebelum mengalami pruning disajikan pada Tabel 1.Dari Tabel