00:00:00
halo halo teman-teman jumpa lagi dengan
00:00:03
saya paksa enggak Authors hari ini kita
00:00:06
akan belajar tentang konsep decision
00:00:09
Tree atau yang banyak dikenal dengan
00:00:11
pohon keputusan desentri ini adalah
00:00:17
proses pemetaan mengenai
00:00:20
alternatif-alternatif pemecahan masalah
00:00:22
yang dapat diambil mas dari masalah
00:00:25
tersebut Jadi konsep dari decision Tree
00:00:29
ini sebenarnya adalah eh mengubah
00:00:32
tumpukan data menjadi sebuah pohon
00:00:36
keputusan yang merepresentasikan
00:00:38
aturan-aturan dari sebuah keputusan
00:00:42
Seperti apa bentuk dari struktur pohon
00:00:46
keputusan ini seperti ini contohnya
00:00:51
pohon ini menunjukkan
00:00:58
Hai faktor-faktor kemungkinan atau
00:01:01
probabilitas yang akan mempengaruhi
00:01:04
alternatif-alternatif keputusan Selain
00:01:08
itu pohon ini juga menunjukkan estimasi
00:01:12
hasil akhir yang akan didapat bila kita
00:01:15
mengambil alternatif keputusan jadi
00:01:18
apapun yang kita pilih itu sudah
00:01:20
menunjukkan alternatifnya
00:01:26
Hai Terdiri dari apa saja struktur pohon
00:01:30
ini yang pertama adalah root root note
00:01:37
adalah sebuah not atau titik yang tidak
00:01:41
mempunyai aids atau garis yang masuk
00:01:45
tetapi banyak it's yang keluar jadi
00:01:48
tidak ada garis yang masuk tapi banyak
00:01:51
yang keluar itu ciri-ciri dada dari
00:01:55
perut atau akarnya Kemudian yang kedua
00:02:02
adalah internal nut internal not Ini
00:02:07
adalah sebuah nut yang mempunyai 1x
00:02:11
masuk
00:02:12
Hai dan dua atau lebih Eyang keluar jadi
00:02:16
hanya satu yang masuk dan yang keluar
00:02:19
itu bisa dua atau lebih jadi ada yang
00:02:23
masuk dan ada yang keluar tapi masuknya
00:02:25
hanya satu tapi keluarnya banyak gitu
00:02:29
Iya yang ketiga adalah life life not ini
00:02:34
adalah disebut juga dengan Terminal Loop
00:02:38
terminalbet Terminal berarti not
00:02:41
terakhir jadi sebuah not yang hanya
00:02:44
mempunyai satu it's yang masuk tapi
00:02:47
tidak ada yang keluar Jadi kalau yang
00:02:49
tadi ada yang masuk dan banyak yang
00:02:51
keluar kalau yang Terminal itu yang
00:02:55
masuk hanya satu tapi tidak ada yang
00:02:56
keluar roti ini sudah menunjukkan sebuah
00:03:00
label atau hasil dari klasifikasi itu
00:03:05
adalah Terminal udh
00:03:06
Hai Sedangkan untuk yang non Terminal
00:03:12
laut ya yang non Terminal laut seperti
00:03:15
ini seperti yang internal nut segitu itu
00:03:21
terdiri dari sebuah atribut kondisi
00:03:24
untuk membedakan record dengan
00:03:26
karakteristik yang berbeda jadi bisa
00:03:29
terlihat dari sebuah atribut-atribut
00:03:33
kondisi
00:03:36
Hai ini adalah contoh dari data yang
00:03:44
bisa kita terapkan untuk diproses dengan
00:03:48
menggunakan decision Tree jadi disini
00:03:54
sudah ada beberapa contoh data ada kolom
00:03:57
Island ada memberitahu status kemudian
00:04:00
ada teksnya berikam dan cheat nah kita
00:04:03
ini adalah kolom klasifikasinya atau
00:04:06
kelasnya jadi target kita nanti adalah
00:04:09
ke kolom yang terakhir ini kalau kita
00:04:15
terapkan ke
00:04:17
Hai Desi santri sekarang kita tunjukkan
00:04:21
kita awali dengan kolom rifan.com
00:04:25
rivando Nah kalau kita lihat kolom
00:04:29
refund disini kolom refund ini adalah
00:04:33
categorical kalau kita lihat kelompok
00:04:36
datanya itu ada dua yaitu Yes dan NU
00:04:40
saja Jadi kalau tidak Des Yano berarti
00:04:44
garis atau garis yang keluar dari dari
00:04:51
Reva ini jadi perutnya ini rutenya
00:04:56
refund Rukh Khan ini sebagai runut garis
00:04:59
yang keluar dari fan itu hanya ada
00:05:03
Hai yaitu Yes dan danau Tapi masalahnya
00:05:07
sekarang kita lihat kalau Yes itu apakah
00:05:12
sudah menghasilkan sebuah class atau
00:05:15
tidak
00:05:17
Ayo kita coba lihat sekarang yang Yes
00:05:19
yang Yes kita coba lihat data yang Yes
00:05:23
untuk yang Yes yang pertama ini hasilnya
00:05:26
adalah no kemudian kita lihat yang kedua
00:05:29
Yes Reva Yes disini juga dog kemudian
00:05:34
yang ketiga di sini yes hasilnya juga No
00:05:39
berarti dari contoh data ini setiap
00:05:42
refund sama dengan Yes hasilnya adalah
00:05:45
No berarti dapat kita tarik kesimpulan
00:05:48
untuk garis Yes hasilnya adalah no
00:05:54
berapi jika nanti ada data yang nilainya
00:05:58
adalah Yes maka prediksinya adalah Now i
00:06:03
Hai Kemudian yang kedua untuk garis yang
00:06:08
kedua di sini ya untuk cabang yang kedua
00:06:11
berikutnya adalah no itu data no untuk
00:06:16
data no di sini kita lihat now hasilnya
00:06:19
now kemudian jc0 ternyata ada yang Yes
00:06:22
di sini noh Coba ada yang Yes berarti
00:06:26
butuh yang no ada yang Yes dan ada yang
00:06:29
No berarti kita tidak bisa langsung
00:06:33
[Musik]
00:06:35
memberikan sebuah prediksi atau sebuah
00:06:37
klasifikasi bahwa hasilnya adalah Desa
00:06:39
tahun nah jika kondisinya seperti ini
00:06:42
maka di desentri Harus melihat kondisi
00:06:45
yang lainnya nah kondisi lainnya kita
00:06:49
coba dengan menggunakan kolom marital
00:06:53
status
00:06:54
Hai Jadi jika revenue Lihatlah kondisi
00:06:58
yang lain kondisi yang lain disini
00:07:00
adalah status pernikahan Nah untuk
00:07:05
status pernikahan disini ini kilo Gita
00:07:08
lihat itu ada tiga dan tiga kelompok gak
00:07:11
tahu itu single merried dan Devil's jadi
00:07:15
garisnya pada tiga tapi disini saya
00:07:20
jadikan dua saja Kenapa karena saya
00:07:23
anggap single dan divorce itu sama
00:07:25
sama-sama jomblo itu ya jadi hanya merit
00:07:29
yang tidak jomblo berarti darinya
00:07:32
sebagai Jadi dua yaitu merit dan single
00:07:36
atau difos
00:07:38
Hai apakah boleh seperti nih Boleh saja
00:07:40
atau misalkan nanti kita bagi jadi 3
00:07:42
boleh Enggak boleh saja dengan data yang
00:07:45
semakin banyak itu masih dimungkinkan
00:07:47
Nah sekarang kita lihat mirip untuk
00:07:51
setiap kolom Rivan Rivan yang no dan
00:07:56
mitos statusnya adalah merried hasilnya
00:07:59
adalah qtela disini no untuk yang no
00:08:02
kemudian Med no di sini merried hasilnya
00:08:05
adalah nol juga kemudian disini no
00:08:08
merried dan hasilnya adalah no roti
00:08:11
dapat dipastikan bahwa setiap rivalnya =
00:08:16
no dan Mari tahu statusnya adalah mirip
00:08:19
Maka hasilnya adalah no begitu kemudian
00:08:27
sekarang Yesus yang kedua yaitu yang
00:08:32
a single atau yang jomblo sekarang
00:08:36
Kitalah yang jomblo yang no kemudian
00:08:39
single disini no yang no divorce
00:08:43
ternyata Yes Berarti ada yang model Yes
00:08:46
berarti kita harus melihat kondisi yang
00:08:50
lain lagi nah kondisi terakhir yang
00:08:52
belum kita lihat adalah taxable income
00:08:55
Nah untuk jenis data yang berupa angka
00:09:00
baik disket maupun continue seperti ini
00:09:02
itu bisa kita kado kit kita kelompokkan
00:09:06
lebih besar lebih kecil jadi tidak perlu
00:09:09
kita buat cabangnya banyak di sini ada
00:09:12
125 128 puluh pada 120 Wah jadi tidak
00:09:16
terhingga nanti Nah untuk mengatasi ini
00:09:19
bisa kita kelompokkan menjadi lebih
00:09:21
besar sama dengan berapa atau lebih
00:09:22
kecil sama dengan berapa dan disini saya
00:09:25
bagi jadi 2 saja
00:09:27
Oh ya jadi sebagai Jadi dua yang pertama
00:09:31
adalah nyuci 80 dan lebih besar dari 80
00:09:35
Nah sekarang kita lihat yang bisa 80 itu
00:09:39
pasti NU yang 80 single no8 di atas 80
00:09:45
ya No ini juga NU juga ini juga no jadi
00:09:51
Sudah dipastikan no seperti yang
00:09:54
terakhir yang ini Itu sudah pasti yes
00:09:59
dapat Yes nah Kalian nih yang lebih
00:10:03
kecil dari 80 disini hanya ada 75 61
00:10:08
Hai tapi yang hifanya no dan statusnya
00:10:11
adalah jomblo semuanya kebetulan sini
00:10:15
adalah Yes berarti harus
00:10:18
Hai karena semua not sudah memiliki
00:10:21
hasil yang sudah ada hasil ini cadasil
00:10:24
semua semua semua cabang sudah memiliki
00:10:28
hasil sudah ada kelasnya sudah adalah
00:10:31
Belnya maka struktur pohon ini sudah
00:10:33
selesai
00:10:36
Hai itu
00:10:38
Hai apakah struktur pohon ini akan
00:10:41
selalu seperti ini tidak dengan
00:10:46
bertambahnya data kemudian metode apa
00:10:49
yang kita gunakan bisa saja hasilnya
00:10:51
akan berbeda tergantung metode atau
00:10:54
jumlah data yang digunakan tahun semakin
00:10:58
banyaknya kolom atau variabel yang
00:10:59
digunakan saya kasih contoh yang kedua
00:11:03
model yang kedua
00:11:05
Ayo kita coba berangkat dari marital
00:11:07
status gizi kita mulai dari kolom editor
00:11:10
status kita lihat yang merekam tadi ada
00:11:14
kita bagi dua ya yaitu jomblo dan tidak
00:11:18
jomblo yang merit tadi sudah pasti tidak
00:11:22
pasti NU
00:11:24
Hai mudanya single atau devos single
00:11:26
ganti Force berarti harus melihat kolom
00:11:29
yang lain karena untuk Yang single ada
00:11:32
yang nunggu kemudian ada yang dipost ada
00:11:34
yang Yes single Yes sudah berarti harus
00:11:37
melihat kolom yang lain kalau yang lain
00:11:39
kita coba mulai dari kolom refund dan
00:11:41
ketemulah dari volume refund Nah
00:11:45
sekarang kita lihat yang refund tadi ada
00:11:48
dua yes dan dan no udah sekarang kita
00:11:52
lihat yang Yes Yang single atau default
00:11:55
dan tv-nya adalah yes yes single dismeno
00:11:59
kemudian yes yes divorce di sini lo
00:12:04
berarti semua yang Yes hasilnya adalah
00:12:07
no
00:12:08
di bulan yang terakhir yang terakhir
00:12:11
untuk refund = u = Nuno single menu edit
00:12:17
no devo shop ada yang jelas berarti
00:12:19
masih ada yang Yes dan Ahmad yang no
00:12:23
juga berarti kita harus melihat kolom
00:12:25
yang lain lagi nya kondisi yang lain
00:12:27
lagi nah kolom terakhir adalah teksnya
00:12:29
beling complete teletong kolom teks.com
00:12:32
kita bagi lagi menjadi di besar 40 dan
00:12:35
lebih dari 80 dan hasil akhirnya adalah
00:12:39
yang bisa lewat buruh NU dan yang lebih
00:12:42
jelasnya adalah Yes jadi dengan data
00:12:46
yang sama bisa menghasilkan lebih dari
00:12:48
satu pohon keputusan tergantung dari
00:12:53
metode dan rekondisi yang lainnya
00:12:57
Hai diserap ini mudah dipahami nah
00:13:03
berikutnya adalah bagaimana penerapan
00:13:06
struktur pohon ini atau penggunaan
00:13:08
superpower Ini yang mana Ini sudah
00:13:11
menghasilkan sebuah pola disini sudah
00:13:13
menghasilkan sebuah kebiasaan Bagaimana
00:13:17
struktur ini nanti akan digunakan untuk
00:13:20
melakukan sebuah prediksi terhadap
00:13:22
adanya data baru juga data baru nanti
00:13:27
tinggal diprediksi Ini hasilnya apa atau
00:13:30
kelasnya apa gitu ya in penerapannya di
00:13:36
sini nanti jadi setelah kita tadi
00:13:39
melakukan proses learning dan dihasilkan
00:13:42
sebuah pola baru kita terapkan kita
00:13:44
terapkan untuk menghasilkan sebuah
00:13:47
hasil-hasil prediksi
00:13:49
Hai Keh kita kasih contoh
00:13:54
Indonesia
00:13:56
Hai jadi misalkan saya ada data baru
00:13:58
seperti ini revanya adalah now metal
00:14:02
statusnya adalah merried kemudian
00:14:04
taxable singkongnya adalah 80.000 nah
00:14:08
hasilnya nanti ini apa Nah kita terapkan
00:14:12
dengan menggunakan model yang pertama
00:14:16
tadi kita tekan dengan model yang
00:14:18
pertama tadi sekarang kita lihat di sini
00:14:21
Yang pertama rootnya adalah refund
00:14:24
berarti yang dibaca dulu dari data yang
00:14:28
baru ini adalah kolom refund dulu
00:14:30
di kolom refund kita jadi kita berangkat
00:14:33
dari rute kita biarkan dari root root
00:14:37
nya adalah refund berarti kita lihat
00:14:39
kolom-kolom refund nah di kolom refund
00:14:43
kita lihat di kolom Rifandi data baru
00:14:46
itu nilainya adalah No berarti cabang
00:14:50
yang dipilih adalah No berarti
00:14:54
algoritmanya adalah Ivan = no sense apa
00:14:59
ternyata jika Divanya Sama denganmu maka
00:15:03
kita harus melihat kondisi yang lain di
00:15:05
sini nah kondisi yang lain tersebut
00:15:07
adalah beritahu status seperti IV
00:15:12
a refund = no n marital status = apa
00:15:18
disini ternyata mitos satunya adalah
00:15:20
merried berarti mirip ternyata disini
00:15:24
sudah menghasilkan sebuah label atau
00:15:27
sebuah prediksi atau sebuah klasifikasi
00:15:30
Hai hasilnya adalah NU berarti data baru
00:15:35
tersebut hasilnya adalah nug
00:15:39
Hai Oke udah ya tentunya lebih semoga
00:15:42
mudah dipahami Oke cukup sampai disini
00:15:49
dulu terima kasih banyak semoga
00:15:51
bermanfaat subscribe ya save jangan lupa
00:15:55
like jika suka dan bisa juga tidak suka
00:15:58
dan jangan lupa untuk di share Terima
00:16:01
kasih sampai
