Tabel 3.1: Statistik untuk gabungan Broadcast dan pengurangan Command
Line pohon keputusan
Before Pruning After Pruning
Size Errors
Size Errors
Predicted Error -m 2 –c 25
239 137 6.2
221 142 6.2
12.6 -m 6 –c 25
149 205 9.0
115 220 9.6
14.0 -m 8 –c 25
127 225 9.8
103 235 10.3
14.4 -m 20 –c 5
63 310 13.6
55 316 13.8
20.6 -m 40 –c 25
33 392 17.1
33 392 17.1
19.6
Tabel 3.1: Statistik untuk gabungan Broadcast dan Mengurangi pohon keputusan sesuai dengan data yang disajikan. Ukuran mengacu pada jumlah node daun pada pohon.
Kesalahan dalam hal kasus pelatihan kesalahan klasifikasi. Kumpulan data memiliki 2286 kasus
Hasil penelitian menunjukkan bahwa pohon keputusan C4.5 dapat digunakan untuk menghasilkan cukup dan sangat akurat keputusan fungsi: hasil kinerja berarti pada
data kinerja yang ada berada di dalam kesalahan pengukuran untuk semua pohon yang dipertimbangkan. Misalnya, Broadcast Keputusan pohon dengan hanya 21 daun bisa
mencapai hukuman kinerja rata-rata 2,08. Selain itu, menggunakan pohon ini, hanya enam poin dalam communicator, ukuran pesan berkisar dari data yang diuji
akan dikenakan lebih dari 50 kinerja. pelatihan.
3.3.2 Penelitian dalam bidang kesehatan
Gupta et al., 2011 melakukan penelitian dalam diagnosa dan prognosa penyakit kanker payudara. Tujuan dari penelitian ini adalah untuk memprediksi penyakit kanker
payudara yang ganas atau jinak. Dan untuk mengetahui apakah penyakit tersebut akan kambuh lagi atau tidak. Dengan demikian, kedua masalah terutama dalam lingkup
masalah klasifikasi. Penelitian ini merangkum studi berbagai kajian dan artikel teknis pada diagnosis dan prognosis kanker payudara. Dalam penelitian ini disajikan ikhtisar
penelitian saat ini sedang dilakukan dengan menggunakan teknik data mining algoritma C4.5 adalah teknik induksi pembelajaran pohon keputusan dengan dua teknik lainnya
Universitas Sumatera Utara
diterapkan dalam penelitian ini untuk meningkatkan diagnosis dan prognosis kanker payudara
Sarvestan et al., 2010 memberikan perbandingan antara kemampuan berbagai jaringan saraf dalam diagnosa penyakit kanker payudara. Hasil pengujian menunjukkan
bahwa jaringan saraf efektif untuk digunakan dalam diagnosa penyakit kanker payudara. .
Anunciacao et al., 2010 mengeksplorasi penerapan pohon keputusan untuk mendeteksi kelompok penderita penyakit kanker payudara yang berisiko tinggi,
menggunakan program aplikasi Weka. Hasil menunjukkan bahwa mungkin ditemukan hubungan statistik yang signifikan dengan penyakit kanker payudara dengan menurunkan
pohon keputusan dan memilih daun terbaik. Hasil Penelitian:
Penelitian ini memberikan kajian teknis dan berbagai review tentang diagnosis kanker payudara dan prognosis masalah dan mengeksplorasi bahwa teknis penambangan
data menawarkan janji besar untuk menemukan pola-pola yang tersembunyi dalam data yang dapat membantu dokter dalam pengambilan keputusan
- Neural network NN, pohon keputusan, regresi logistik, dan algoritma genetik
digunakan untuk studi perbandingan dan akurasi dan nilai prediktif positif masing-masing algoritma digunakan sebagai indikator evaluasi.
.
- Akurasi Pohon keputusan 93,6 dan NN dengan 91,2 ditemukan lebih unggul
dari regresi logistik dengan akurasi 89,2. -
Keakuratan NN 88,8 dan Jaringan Hybrid 87,2 sangat mirip dan mereka berdua mengungguli Jaringan Bayesian. Mereka menemukan model Hibrid yang
diusulkan juga dapat berguna untuk mengambil keputusan.
3.3.3 Penelitian dalam bidang Internet
