Implementasi Decision Tree Penjelasan Program

Melalui proses permberian harokat, kata ini menperoleh kode “els” namun karena terdeteksi tersisipi oleh dhomir, maka kata ini mendapatkan perlakuan khusus sehingga tidak hanya harokat akhir katanya yang diperhatikan tapi juga harokat dhomir yang menempel padanya. Setelah melalui proses ini, kata ini langsung memperoleh harokat dan memiliki kode khusus sehingga melewati jalur khusus pula di proses-proses berikutnya sehingga outputnya menjadi ﻪ .

4.2.5. Implementasi Decision Tree

Di aplikasi ini implementasi decision tree digunakan pemberian harokat sesuai parameter. Pola decision tree yang diterapkan pada masing-masing proses tersebut sama hanya atribut dan nilainya yang berbeda. Pembentukan decision tree ini dilakukan melalui prose generate rule pada suatu data yang merupakan hasil dari beberapa studi analisa perubahan harokat pada ilmu nahwu Tabel 4.2. Tabel 4.2 Analisa pembelajaran dari beberapa kaliamat kalimat kata1 kata2 kata3 kata4 perubahan kalimat1 hnb fmh a kalimat2 hjz fmh s kalimat3 hjr ill i Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Lanjutan dari Tabel 4.2 Analisa pembelajaran dari beberapa kaliamat kalimat4 hik ill a kalimat5 hik els an kalimat6 hik hjr ill ill a kalimat7 hik ill hjr ill i kalimat8 hik ill els un kalimat9 hid ill els un kalimat10 hkn ill u kalimat11 hkn els un kalimat12 hkn els hjr ill i kalimat13 hkn ill els an kalimat14 hkd ill els an kalimat15 hnd els ill a kalimat16 hnd els ill i kalimat17 hnd els u kalimat18 hnd ill u kalimat19 ill hth ill ikut kalimat20 ill els un kalimat21 ill els u kalimat22 els un kalimat23 els els ikut Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Lanjutan dari Tabel 4.2 Analisa pembelajaran dari beberapa kaliamat kalimat24 els hjr ill i kalimat25 els hjr ill un kalimat26 els ill i kalimat27 els ill u kalimat28 fmh u kalimat29 fmh els un kalimat30 fmh ill u kalimat31 fmh els ill a kalimat32 fmh ill ill a kalimat33 fmh els els an kalimat34 fmh ill els an kalimat35 fmh els hjr ill i kalimat36 fmh ill hjr ill i kalimat37 mhj u kalimat38 mhj ill u kalimat39 mhj els un kalimat40 fmd a kalimat41 fmd els un kalimat42 fmd ill u kalimat43 fmd els ill a Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Lanjutan dari Tabel 4.2 Analisa pembelajaran dari beberapa kaliamat kalimat44 fmd ill ill a kalimat45 fmd els els an kalimat46 fmd ill els an kalimat47 fmd els hjr ill i kalimat48 fmd ill hjr ill i kalimat49 mmj a kalimat50 mmj ill u kalimat51 mmj els un kalimat52 fmr s kalimat53 fmr ill a kalimat54 fmr els an kalimat55 imb tetap kalimat56 fdh tetap kalimat57 idl els un kalimat58 idl tetap kalimat59 itl ill i kalimat60 itl els in kalimat61 itl ill i Untuk membentuk tree dari sebuah data maka harus dilakukan beberapa langkah, langkah pertama ialah memilih node terpilih. Untuk Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. menentukan node terpilih dapat dilakukan dengan cara melakukan perhitungan nilai entropy masing fitur, nilai entropy yang paling kecil akan menjadi node terpilih. Untuk fitur kata1 entropy yang dihasilkan 1.046926 Untuk fitur kata2 entropy yang dihasilkan 1.626768 Untuk fitur kata3 entropy yang dihasilkan 1.245981 Untuk fitur kata4 entropy yang dihasilkan 1.419026 Dari perhitungan entropy di atas maka dapat ditentukan node yang merupakan node terpilih atau node awal, dan selanjutnya dilakukan penentuan leaf node berikutnya dapat dipilih pada bagian yang mempunyai nilai perubahan lebih dari satu jenis pada data di atas misalnya pada kata1=hik dan node yang mempunyai nilai perubahan lebih dari satu jenis maka node tersebut pasti mempunya leaf node. Untuk menyusun leaf node harus lakukan satu-persatu, misalnya proses tersebut dijelaskan pada contoh kata1=hik Tabel 4.3. Tabel 4.3 Penentuan leaf node untuk “hik” Kata2 Kata3 Kata4 Hik ill a Hik els an Hik hjr ill ill a Hik ill hjr ill i Hik ill els un Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Tabel 4.4 Perhitungan entropy node untuk “hik” Kata2 hasil jml Kata3 hasil jml Kata4 hasil jml Ill a 1 Ill a 1 Ill a 1 an an an i 1 i i 1 un 1 un un els a Els a “ “ a 1 an 1 an an 1 i i i un un 1 un 1 hjr a 1 Hjr a an an i i 1 un un “ “ a 1 an 1 i un Entropy kata 2 = 1.584963 + 0 + 0 3 = 0.528321 Entropy kata 3 = 0 + 0 + 0 + 1 4 = 0.25 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Entropy kata 4 = 1.584963 + 1 2 = 2.084963 Dari hasil yang didapat maka leaf node yang terpilih adalah kata3, cara yang sama digunakan untuk menentukan node berikutnya. Hasil dari proses generate tree melalui proses pencarian nilai entropy, dapat digambarkan pada Gambar 4.1, Gambar 4.1 tree hasil dari generate data Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Keterangan pada decision tree tersebut node root merupakan kata1 dan selanjutnya turun ke leaf node berdasarkan nilai entropy masing – masing. Kode yang diberi tanda “=” dan node sebelumnya adalah kata yang mengalami perubahan harokat. Tree tersebut kemudian degenerate menjadi sebuah rule branching, berikut beberapa potongan rule dari hasil generate tree.

4.2.6. Penyimpanan dan Pengartian Arti Kata