KLASIFIKASI ALGORITMA DECISION TREE

A.             Pengertian Decision Tree

Dikutip dari Mind Tools, decision tree adalah diagram yang bisa membantumu memilih salah satu dari beberapa pilihan tindakan.

Decision tree adalah salah satu metode klasifikasi yang paling populer, karena mudah untuk diinterpretasi oleh manusia. Decision tree adalah model prediksi menggunakan struktur pohon atau struktur berhirarki.

Decision tree adalah alat pendukung dengan struktur seperti pohon yang memodelkan kemungkinan hasil, biaya sumber daya, utilitas, dan kemungkinan konsekuensi. Umumnya, decision tree dimulai dengan satu node atau simpul. Kemudian, node tersebut bercabang untuk menyatakan pilihan-pilihan yang ada. Selanjutnya, setiap cabang tersebut akan memiliki cabang-cabang baru. Oleh karenanya, metode ini disebut ‘tree’ karena bentuknya menyerupai pohon yang memiliki banyak cabang.

Nama lain dari decision tree adalah CART (Classification and Regression Tree). Dimana metode ini merupakan gabungan dari dua jenis pohon, yaitu classification tree dan juga regression tree. Untuk memudahkan, berikut ilustrasi dari keduanya.

Untuk gambar diatas merupakan contoh dari classification tree, sedangkan gambar dibawah merupakan contoh dari regression tree.

Mengutip dari Venngage, ada tiga elemen dalam satu decision tree, yaitu:

·       root node (akar): tujuan akhir atau keputusan besar yang ingin diambil

·       branches (ranting): berbagai pilihan tindakan

·       leaf node (daun): kemungkinan hasil atas setiap Tindakan. Biasanya, ada dua jenis leaf node, yakni yang berbentuk persegi dan lingkaran. Lead node persegi menyatakan keputusan yang diambil. Sementara itu, leaf node lingkaran menyatakan hasil yang tidak pasti.

B.             Manfaat

Decision tree adalah metode yang biasa digunakan untuk :

-       Mengambil keputusan-keputusan informal atau sederhana. 

-       Memprediksi hasil secara sistematis. Salah satu contohnya adalah dalam analisis data.

-       Menyusun berbagai pilihan dan menyelidiki kemungkinan hasil dari pilihan tersebut.

-       Melihat kemungkinan risiko dan kelebihan atas setiap pilihan yang ada.

-       Kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simple, sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan.

-       Mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. 

-       Memadukan antara eksplorasi data dan pemodelan, sehingga sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain.

Dalam beberapa aplikasi, akurasi dari sebuah klasifikasi atau prediksi adalah satu-satunya hal yang ditonjolkan dalam metode ini, misalnya sebuah perusahaan direct mail membuat sebuah model yang akurat untuk memprediksi anggota mana yang berpotensi untuk merespon permintaan, tanpa memperhatikan bagaimana atau mengapa model tersebut bekerja.

C.             Kelebihan dan Kekurangan

Dari penjelasan di atas, kamu mungkin bisa menyimpulkan bahwa decision tree adalah metode yang sangat akurat. Meski demikian, tetap ada kelebihan dan kekurangan decision tree yang perlu kamu pertimbangkan.

Beberapa pertimbangan di antaranya adalah sebagai berikut, seperti dikutip dari O’Reilly.

-       Kelebihan

·       Mudah dimengerti dan dianalisis

·       Bisa dibuat secara numerik atau kategorik

·       Hanya memerlukan sedikit pemrosesan data di awal pembuatan

·       Mudah untuk dibuat kesimpulan

-       Kekurangan

·       Overfitting

·       Rentan terhadap kesalahan dalam masalah klasifikasi karena ada banyak pilihan

·       Penghitungan bisa menjadi sangat kompleks, terutama jika banyak nilai tidak pasti

D.             Cara Membuat Decision Tree

Membuat secara manual ataupun digital menggunakan komputer. Beberapa software dan website yang menyediakan template decision  Berikut Glints jelaskan langkah-langkahnya.

1. Tulis keputusan yang ingin kamu ambil

·       Bagian awal dari decision tree adalah keputusan yang ingin kamu ambil.

·       Gambar kotak kecil untuk mewakili hal tersebut di bagian paling atas atau kiri kertasmu. 

·       Kemudian, buat garis dari kotak tersebut untuk setiap pilihan solusi. Tulis solusi-solusi tersebut pada garis yang telah kamu buat.

·       Pastikan setiap garis memiliki jarak yang cukup jauh. Jadi, kamu masih mempunyai ruang untuk memperluas pilihan-pilihan berikutnya.

2. Pertimbangkan hasil setiap baris

·       Setelah membuat beberapa garis, pertimbangkan hasilnya.

·       Apabila keputusannya masih tidak pasti, buatlah lingkaran kecil di ujung garis.

·       Sementara itu, jika kamu perlu membuat keputusan lain, gambar persegi di ujung garis. 

·       Adapun jika kamu telah menyelesaikan solusi di akhir garis tersebut, biarkan ujung garis kosong.

3. Lanjutkan proses yang sama

·       Setelah membuat perpanjangan keputusan dari setiap garis, ulangi proses yang sama.

·       Buatlah garis baru di samping persegi atau lingkaran yang baru saja kamu buat. Kemudian, tuliskan solusinya di atas garis tersebut.

·       Ulangi proses yang sama hingga kamu menyelesaikan solusi di setiap garis.

4. Tetapkan nilai untuk setiap kemungkinan hasil

·       Jika semua garis telah menemukan solusi, berarti kamu tinggal menetapkan nilai untuk setiap hasilnya. Nilai yang dimaksud bisa berupa nilai abstrak maupun angka tertentu. 

·       Terakhir, tambahkan segitiga untuk menandakan titik akhir.

·       Dengan decision tree yang telah selesai, kini kamu bisa menganalisis setiap risiko dan kemungkinan solusi yang ada.

·       Decision tree adalah diagram yang dianggap sukses untuk mengambil keputusan yang tepat.

·       Dengan langkah-langkah di atas, kamu bisa memanfaatkannya dalam kehidupan sehari-hari maupun pekerjaanmu.