29
Dari kedua perhitungan menunjukan bahwa hasil yang didapat kurang dari 1 bit. Keluaran dalam satuan bit di sini untuk menggambarkan total informasi yang didapat,
jika 1 bit maka ada 2 informasi yang terkandung di dalamnya, namun jika kurang dari 1 bit itu berarti ada kurang dari 2 informasi yang terkandung di dalam peristiwa di atas.
Selain itu hasil perhi tungan juga menunjukan atribut “Memantau bola apakah bola ke
daerah pinalti?80 cm” bernilai lebih kecil dari atribut “Jarak bola?”, berarti atribut yang dominan di
sini adalah atribut “Memantau bola apakah bola ke daerah pinalti?80 cm” sehingga atribut “Jarak bola?” bisa dihilangkan. Sehingga decision tree untuk
mode blok ini dapat dilihat pada Gambar 4.2.
Gambar 4.2. Decision tree mode blok setelah dianalisis.
4.2. Pengujian Mode Siaga
Pada mode ini robot mengamati bola apakah bola berada di kanan atau di kiri. Robot akan menyesuaikan posisi bola, dan jika bola ditendang robot akan jatuh
menghalau. Mode blok ini akan terinisialisasi saat bola berada jauh ±80 cm dari robot. Pengujian akan dilakukan dengan melakukan simulasi pertandingan selama
beberapa kali 5 menit sampai data yang dibutuhkan terpenuhi. Bola akan diposisikan pada jarak-jarak tertentu untuk melakukan pengujian tentang perilaku dari robot dalam
menginisialisasi mode siaga. Dapat dilihat pada tabel hasil pengujian, dari 30 kali percobaan yang telah
dilakukan menghasikan keberhasilan sebanyak 30 kali 100 tanpa adanya kegagalan. sama seperti pengujian dari mode blok. Hasil pengujian yang telah dilakukan
selain untuk dapat menentukan presentase keberhasilan dari algoritma yang dibuat, hasil pengujian ini juga dapat digunakan untuk menganalisis atribut pada decision tree. Hasil
pengujian dapat dilihat pada Tabel 4.2.
30
Tabel 4.2 Pengujian mode siaga Variasi
Jarak Bola
Terhadap Robot
cm Jumlah
Percobaan Terhadap
Variasi Jarak
Keberhasilan Memposisikan
Diri Terhadap
Bola Waktu
Hingga Memposisikan
Diri Terhadap
Bola s Keberhasilan
Jatuh Menghalau
Waktu untuk
jatuh
70-78 4
- 4
395 80-125
4 26
24,81 26
501,53 1.
Analisis decision tree mode siaga
Gambar 4.3. Analisis decision tree mode siaga
Seperti yang sudah dilakukan pada mode blok sebelumnya kita dapat menganalisis information gain yang ada pada decision tree pada Gambar 4.3 ini dengan
mengacu pada decision tree mode siaga yang ada pada bab III, serta hasil pengujian yang telah dilakukan. Pada Atribut “Jarak bola?” jumlah sampel negatif diambil dari
jarak bola ke kiper yang kurang dari 40 cm sedangkan jumlah sampel negative diambil dari jarak bola ke kiper yang lebih dari 40 cm.
31
Kemudian pada atribut “Memantau bola apakah bola ke daerah pinalti?”, jumlah sampel positif didapat dari jarak bola ke kiper yang lebih dari sama dengan 80 cm,
kemudian jumlah sampel negatif didapat dari jarak bola ke kiper yang kurang dari 80 cm.
2. Perhitungan information gain
jik a kita perhatikan pada Atribut “Jarak bola?” kita bisa melihat bahwa jarak bola
pada mode ini tidak ada yang kurang dari 40 cm sehingga menyebabkan Atri but “Jarak
bola?” ini selalu bernilai true, jika terjadi demikian maka bila dihitung nilai dari entropyJarak bola? akan memiliki nilai 0 dan Information GainJarak bola? juga pada
akhirnya akan memiliki nilai 0. Kemudian pada Atribut “Memantau bola apakah bola ke daerah pinalti?” kita bisa
menghitung nilainya karena di kedua node memiliki nilai dengan bobot yang berbeda sehingga pada atribut ini jika kita hitung nantinya akan memiliki bobot Information
Gain. Perhitungan Information Gain pada atribut “memantau bola apakah bola ke
daerah pinalti?” akan dijabarkan sebagai berikut.
bits
Bits
Dari perhitunga n ini menunjukan bahwa atribut “Jarak bola?” bernilai lebih kecil
dari atribut “Memantau bola apakah bola ke daerah pinalti?”, berarti atribut yang
n p
n n
p n
n p
p n
p p
n p
n n
p p
I entropy
2 2
log log
, :
p inalti? daerah
ke bola
ap akah bola
M emantau
30 4
log 30
4 30
26 log
30 26
30 4
, 30
26
2 2
I
910 .
2 133
. 207
. 866
.
387 .
179 .
566 .
: pinalti?
daerah ke
bola apakah
bola Memantau
IG bola...
Memantau bola...
Memantau bola...
Memantau remainder
entropy IG
] 1
log 1
log 30
4 log
1 log
1 30
26 [
566 .
2 2
2 2
] [
566 .
566 .
32
dominan di sini adalah atribut “Jarak bola?” sehingga atribut “Memantau bola apakah
bola ke daerah pinalti?” bisa dihilangkan. Sehingga Decision Tree untuk mode blok ini menjadi sebagai berikut.
Gambar 4.4. Decision Tree mode siaga setelah dianalisis.
4.3. Pengujian Mode Siap
