Oleh: Rahmadya Trias H., ST, MKom

Pohon keputusan (decision tree) merupakan salah satu teknik terkenal dalam data mining. Tugas paling umum yang diserahkan kepada pohon keputusan adalah klasifikasi. Dari set database kita bisa mengetahui apakah suatu nasabah merupakan nasabah yang baik atau tidak dari riwayatnya, seseorang berpeluang terkena suatu penyakit tertentu berdasarkan riwayatnya dan lain-lain.

Pohon keputusan merupakan teknik yang paling efisien. Ibaratnya, kita menyaring sesuatu lewat pohon keputusan, apakah suatu data lolos atau tidak terhadap saringan kita dengan proses yang cukup cepat. Teknik regresi sangat banyak, tetapi yang paling terkenal adalah algoritma yang diperkenalkan oleh Prof. Briemann dengan istilah The Classification and Regression Tree (CART).

10.1. Prinsip Dasar

Untuk lebih mempercepat pemahaman tentang pohon keputusan, ada baiknya kita mengambil contoh kasus data “college plan” yang meriset beberapa orang yang akan mengambil kuliah berdasarkan IQ, Paksaan Orang Tua, Ekonomi dan Gender. Sasarannya adalah kita mampu membuat pohon keputusan, apakah seseorang kemungkinan besar mengambil kuliah atau tidak berdasarkan IQ, Paksaan Orang Tua, Ekonomi dan Gender.

Masalah pertama pada pembuatan pohon keputusan adalah, variabel manakah yang menjadi akar dari pohon tersebut. Akar di sini adalah pemisah pertama dari pohon keputusan. Dikenal istilah Bayesian Score yang menilai suatu variabel, atau dalam Pohon Keputusan terkenal dengan sebutan Entropi. Entropi dihitung dengan rumusan sebagai berikut:

Akar dipilih berdasarkan nilai entropi terendah, dan berdasarkan hasil hitungan ternyata entropi terendah adalah Paksaan Orang tua. Jadi penentu pertama peluang tertinggi seseorang mengambil kuliah berdasarkan database tersebut adalah paksaan orang tua.

10.2. Penggunaan MS BI Development

Langkah pembuatan dengan Microsoft Business Intelligent Development sama dengan bab IX tentang Naive Bayes. Bedanya adalah pada saat menentukan Mining Technique, kita memilik “Microsoft Decision Tree”. Pilih ID sebagai Key, kemudian pilih semua variabel sebagai input, prediksi kita pilih “College Play” yang berisi data “yes” atau “no”.

Coba Sendiri !!!

Gambar 10.1. Hasil Mining

Oleh: Rahmadya Trias H., ST, MKom.

Algoritma bayes mempelajari kejadian-kejadian dari rekaman database dengan cara memperhitungkan korelasi antara variabel yang dianalisa dengan variabel-variabel lainnya. Hasilnya adalah kita dapat memprediksi sesuatu, misalnya apakah seseorang berasal dari golongan tertentu berdasarkan variabel-variabel yang melekat padanya. Selain itu, naive bayes dapat juga menganalisa variabel-variabel yang paling mempengaruhinya dalam bentuk peluang.

9.1. Algoritma

Naive bayes memanfaatkan teori peluang, yakni jika diketahui suatu hipotesa H dengan kejadian tentang hipotesa E, maka kita dapat mengkalkulasi probabilitas dari H dengan formula:

Atau secara sederhana dapat dikatakan bahwa probabilitas dari hipotesa kita terhadap suatu kejadian sama dengan probabilitas kejadian yg memberikan hipotesis dikalikan dengan probabilitias hipotesa yang kemudian dinormalkan.

9.2. Naive Bayes dengan Microsoft BI Development

Dengan Ms BI Development kita diberika empat views yang menggambarkan data yang kita “Mining”, antara lain:

• Dependency Net
  
• Attribute Profiles
  
• Attribute Characteristics
  
• Attribute Discrimination
  

Berikut adalah prosedur yang kita lakukan:

• Buka MS BI Development
  
• Buat Project dengan cara File – New – Project, Piliha “Analysis Services”.
  

Gambar 9.1. New Project Creation

• Klik kanan “Data Source” pada Solutian Explorer lalu pilih database yang akan diambil (New Data Source). Cari data provider yang sesuai, dalam hal ini microsoft jet 4 OLE DB Provider.
  
• Klik Next, dilanjutkan dengan mengklik “New”
  

Gambar 9.2. Mengambil Database Yg akan Diolah

• Jangan lupa pada “Impersonation Information” diklik “Use the Service account” jika tidak kita password.
  
• Berikutnya klik kanan pada “Data Source View” dilanjutkan “New Data Source View”. Pilih Data Source yang telah kita buat sebelumnya.
  
• Langkah terakhir dan terpenting adalah memasukkan Mining Structure dengan mengklik kanan “Mining Structure” dilanjutkan dengan “New Mining Structure”.
  
• Klik Next, hingga saat dijumpai pilihan “Mining Technique” Pilih Microsoft Naive Bayes.
  
• Pilih Key, Input dan Predict yang sesuai lalu klik “Sugest” untuk menganalisa variabel-variabel mana yang paling tinggi peluangnya sekaligus paling berpengaruh terhadap prediksi dari partai mana seseorang.
  

Gambar 9.3. Sugest Related Columns

• Klik “Process Mining …” untuk memproses Data Mining. Klik “Yes” dilanjutkan dengan proses Mining. Tunggu hingga selesai.
  
• Klik “RUN” saat selesai, tunggu sesaat dan jika telah selesai “CLOSE” hasil Running.
  
• Klik tab “Mining Model Viewer” akan menghasilkan Dependency network sebagai berikut:
  

Gambar 9.4 Dependency Network

• Coba sendiri dengan data yang lainnya.
  

Hari/Tgl/Ruang/Mata Kuliah/Dosen/: Jumat/18-06-2010/Data Mining/Rahmadya Trias H., ST, MKom.

Salah satu kemampuan manusia yang alami adalah memisahkan sesuatu. Misal kita sebar berbagai jenis jeruk, lalu kita suruh seorang anak mengumpulkan sesuai dengan jenis jeruk, warna jeruk atau kualitas jeruk (rusak atau tidak) maka dengan mudah anak tersebut sanggup mengumpulkannya. Karakteristik tersebut dapat dimengerti oleh manusia, tapi tidak oleh sistem. Kita harus mendefinisikan sistem dengan baik, sebab jangan-jangan ada bola dianggap sebagai jeruk!

Dalam data mining, pengelompokkan berdasarkan isi suatu field, apakah gender, indeks prestasi, pendapatan atau sebagainya, sesuai dengan kebutuhan. Dalam Microsoft BI development sudah tersedia machine learning-nya yang diberi nama Micorosoft Clustering. Cara mengerjakannya mudah saja, tinggal memanggil database yang akan diolah.

Dalam praktek pada malam ini, sedikit ada error yang diakibatkan oleh sistem analysis service yang tidak “Up” karena suatu hal (masih misterius). Cara menyelesaikan masalah tersebut dengan mudah lewat configuration manager pada MS SQL Server. Tinggal di “Start” saja.

Clustering sangat bermanfaat, misalkan  jika seorang marketing ingin memasarkan mobil, tinggal mencari data yang tercluster dimana paling banyak orang yang belum memiliki mobil padahal berpenghasilan menengah ke atas. OKEH.