menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan.
2. Terjadi akumulasi jumlah
error
dari setiap tingkat dalam sebuah pohon keputusan yang besar.
3. Kesulitan dalam mendesain pohon keputusan yang optimal.
4. Hasil kualitas keputusan yang didapatkan dari metode pohon
keputusan sangat tergantung pada bagaimana pohon tersebut didesain.
2.4.4 Algoritma Pohon Keputusan
Banyak algoritma yang dipakai dalam pembentukan pohon keputusan, antara lain ID3, C4.5, CART.
a. ID3
Salah satu algoritma decision tree adalah algoritma ID3
Iterative Dichotomiser
3. ID3 pertama kali dikembangkan oleh J.Ross Quinlan di University of Sydney. ID3 pertama kali
disajikan pada tahun 1975 dalam sebuah buku, Machine Learning. ID3 didasarkan pada konsep Learning System CLS
algoritma Hamilton, 2001. Kelebihan algoritma ID3 adalah sebagai berikut :
1. Dapat membuat aturan prediksi yang mudah
dimengerti. 2.
Mampu membangun pohon keputusan dengan cepat.
3. Mampu membangun pohon keputusan yang
pendek. 4.
Hanya membutuhkan beberapa tes atribut hingga semua data diklasifikasikan.
Kekurangan algoritma ID3 adalah sebagai berikut :
1. Jika contoh yang diteliti terlalu kecil sederhana
mungkin membuat data
over-classified
. 2.
Hanya satu atribut yang dapat dites dalam satu waktu untuk membuat keputusan.
b. C4.5
Algoritma C4.5 adalah pengembangan dari ID3
Iterative Dichotomiser
3 yang merupakan salah satu algoritma pohon keputusan Faruz El Said, 2009. Definisi
mengenai algoritma C4.5 selanjutnya akan dijelaskan pada bagian 2.4.
c. CART
CART
Classification and Regression Tree
adalah salah satu algoritma pohon keputusan. CART adalah sebuah
algoritma yang dapat menggambarkan hubungan antara varibel respon variabel dependen dengan variabel prediktor variabel
independen. Dalam CART setiap simpul dipecah menjadi 2 cabang. Menurut Breiman dkk 1993, bila variabel respon
berbentuk kontinu maka metode yang dipakai adalah metode
regression tree
, sedangkan bila variabel respon memiliki skala kategori maka metode yang dipakai adalah metode
classification tree
. Kelebihan algoritma ID3 adalah sebagai berikut :
1. Dapat melakukan komputasi dengan cepat.
2. Fleksibel dan memiliki dapat mengatur waktu
perhitungan. Kekurangan algoritma ID3 adalah sebagai berikut :
1. Membagi hanya dengan satu variabel.
2. Memiliki pohon keputusan yang tidak stabil.
2.4 Algoritma C4.5