Decision Tree Artificial Intelegence | Kuliah bersama Dosen Stress...!!!

Data Mentah

Pembentukan Node

• Hitung Entropy

• Hitung Information Gain

Entropy Awal

• Jumlah instance = 8

• Jumlah instance positif = 3

• Jumlah instance negatif = 5



Hipertensi



P

_{ins ce positif}

P

_{ins ce positif}

P

_{ins ce negatif}

P

_{ins ce negatif}

Entropy





_{tan _}

log

_{2 tan _}



_{tan _}

log

_{2 tan _}



 





 



0,955

0,424

0,531

0.678

-

625

.

0

-1.415

375

.

0

625

.

0

log

625

.

0

375

.

0

log

375

.

0

8

5

log

8

5

8

Entropy Usia

• Jumlah instance = 8

• Instance Usia

– Muda

• Entropy Usia

– Entropy(muda) = 0.906

– Entropy(tua) = 1









_{ins ce positif ins ce positif ins ce negatif ins ce negatif}

negatif ce

ins negatif

ce ins positif

ce ins positif

ce ins

P

P

P

P

Tua

Entropy

P

P

P

P

Muda

Entropy

_ tan 2

_ tan _

tan 2

_ tan

_ tan 2

_ tan _

tan 2

_ tan

log

log

log

log

Gain Usia





 

 

 

















 

002

.

0

5

.

0

453

.

0

955

.

0

1

8

4

906

.

0

8

4

955

.

Tua Tua

Muda Muda

v Tua

Muda v

v

S

Entropy

S

S

S

Entropy

S

S

S

Entropy

S

Entropy

S

S

S

Entropy

Usia

Entropy Berat

• Jumlah instance = 8 • Intance Berat

– Overweight

• Instance positif = 3 • Instance negatif = 1

– Average

• Instance positif = 0 • Instance negatif = 2

– Underweight

• Instance positif = 0 • Instance negatif = 2

– Entropy(Overweight)=0.906 – Entropy(Average)=0.5

– Entropy(Underweight)=0.5













ins ce positif ins ce positif ins ce negatif ins ce negatif negatif ce

ins negatif

ce ins positif

ce ins positif

ce ins

negatif ce

ins negatif

ce ins positif

ce ins positif

ce ins

P P

P P

t Underweigh Entropy

P P

P P

Average Entropy

P P

P P

Overweight Entropy

_ tan 2

_ tan _

tan 2

_ tan

_ tan 2

_ tan _

tan 2

_ tan

_ tan 2

_ tan _

tan 2

_ tan

log log

log log

log log

Gain Usia





 

 

 





























0,252

125 . 0 125 . 0 453 . 0 955 . 906 . 0 8 4 955 . Underweigh t

Underweigh average

Average Overweight

Overweight

v t

Underweigh Average

Overwight v

v

S Entropy S

S S

Entropy S

S S

Entropy S

S S Entropy

S Entropy S

S S

Entropy Berat

Entropy Jenis Kelamin

• Jumlah instance = 8

• Intance Jenis Kelamin

– Pria

• Instance positif = 2 • Instance negatif = 4

– Wanita

• Instance positif = 1 • Instance negatif = 1

– Entropy(Pria)=1

– Entropy(Wanita)=0.75









_{ins ce positif ins ce positif ins ce negatif ins ce negatif}

negatif ce

ins negatif

ce ins positif

ce ins positif

ce ins

P P

P P

Wanita Entropy

P P

P P

ia Entropy

_ tan 2

_ tan _

tan 2

_ tan

_ tan 2

_ tan _

tan 2

_ tan

log log

log log

Gain Usia





 

 

 













 





0,017

188

.

0

75

.

0

955

.

955

.

0

min

,

Wanita Wanita

ia ia

v Wanita

ia v

v

S

Entropy

S

S

S

Entropy

S

S

S

Entropy

S

Entropy

S

S

S

Entropy

JenisKela

• Atribut yang dipilih adalah atribut berat karena nilai

Information Gainnya paling tinggi

• Jumlah Instance untuk Overweight = 4

• Jumlah Instance untuk Average = 2

• Jumlah Instance untuk Underweight = 2

• Hitung Gain paling tinggi untuk dijadikan cabang

berikutnya

Berat Overweight

Average

Node untuk cabang Overweight

• Jumlah instance = 4

• Instance (Berat = Overwight ) & Usia =

– Muda

• Instance positif = 1 • Instance negatif = 0

– Tua

• Instance positif = 2 • Instance negatif = 1

• Instance (Berat = Overwight ) & Jenis Kelamin =

– Pria

• Instance positif = 2 • Instance negatif = 1

– Wanita