ºÝºÝߣ

ºÝºÝߣShare a Scribd company logo
Algoritma C4.5
Klasifikasi dengan Konsep Pohon (Tree)
pada Data Mining
Dedi Darwis, M.Kom.
Konsep Algoritma C4.5
• Algoritma data mining C4.5 merupakan salah satu algoritma
yang digunakan untuk melakukan klasifikasi atau segmentasi
atau pengelompokan dan bersifat prediktif.
• Klasifikasi merupakan salah satu proses pada data mining yang
bertujuan untuk menemukan pola yang berharga dari data
yang berukuran relatif besar hingga sangat besar. Algortima
C4.5 sendiri merupakan pengembangan dari algortima ID3.
Keunggulan C4.5
• Mampu Menangani Atribut yang Kosong (Missing Value)
• Nilai kosong pada sebuah dataset wajib kita isi terlebih dahulu
sebelum diproses untuk tahap machine learningatau bentuk
kedalam sebuah model decision tree.
Keunggulan C4.5
• Cara paling mudah dalam pengisian atribut kosong adalah
dengan memberikan nilai berdasar nilai yang paling banyak
atau dominan dalam atribut tersebut. Contoh, atribut Shape
baris ketiga dan keempat kita beri nilai 4 dikarenakan pada
kelompok class 1 mayoritas atribut Shape memiliki angka 4.
Sedangkan pada class 0, baris 7 kita berikan nilai 1.
Studi Kasus C4.5
Studi Kasus C4.5
Studi Kasus C4.5
• Untuk memilih atribut sebagai akar, didasarkan pada nilai gain
tertinggi dari atribut-atribut yang ada. Untuk menghitung gain
digunakan rumus seperti tertera dalam Rumus 1.
•
Studi Kasus C4.5
• Sedangkan penhitungan nilai entropy dapat dilihat pada
rumus 2.
Studi Kasus C4.5
Studi Kasus C4.5
0
Studi Kasus C4.5
Hitung Versi Excel
0.258
- -
Hitung Versi Excel
Studi Kasus C4.5
Studi Kasus C4.5
Studi Kasus C4.5
Studi Kasus C4.5
Materi Data Mining - C4.5
Studi Kasus C4.5
Studi Kasus C4.5
Studi Kasus C4.5
Studi Kasus C4.5
Latihan
• Buatlah proses algoritma klasifikasi data mining menggunakan
C4.5 berdasarkan tabel berikut ini :

More Related Content

What's hot (20)

7. Queue (Struktur Data)
7. Queue (Struktur Data)7. Queue (Struktur Data)
7. Queue (Struktur Data)
Kelinci Coklat
Ìý
Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)
Farichah Riha
Ìý
Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)
Farichah Riha
Ìý
Data mining 8 estimasi linear regression
Data mining 8   estimasi linear regressionData mining 8   estimasi linear regression
Data mining 8 estimasi linear regression
IrwansyahSaputra1
Ìý
Perancangan Data Warehouse (Logical dan Physical)
Perancangan Data Warehouse (Logical dan Physical)Perancangan Data Warehouse (Logical dan Physical)
Perancangan Data Warehouse (Logical dan Physical)
dedidarwis
Ìý
ETL
ETLETL
ETL
dedidarwis
Ìý
Bagan terstruktur
Bagan terstrukturBagan terstruktur
Bagan terstruktur
iimpunya3
Ìý
10 feature engineering-univ-gunadarma
10 feature engineering-univ-gunadarma10 feature engineering-univ-gunadarma
10 feature engineering-univ-gunadarma
ArdianDwiPraba
Ìý
Pembuatan uml pada toko belanja online
Pembuatan uml pada toko belanja onlinePembuatan uml pada toko belanja online
Pembuatan uml pada toko belanja online
andiseprianto
Ìý
Pertemuan 4-metode-pencarian-dan-pelacakan
Pertemuan 4-metode-pencarian-dan-pelacakanPertemuan 4-metode-pencarian-dan-pelacakan
Pertemuan 4-metode-pencarian-dan-pelacakan
willyhayon
Ìý
K-Means Clustering.ppt
K-Means Clustering.pptK-Means Clustering.ppt
K-Means Clustering.ppt
Adam Superman
Ìý
Modul 8 - Jaringan Syaraf Tiruan (JST)
Modul 8 - Jaringan Syaraf Tiruan (JST)Modul 8 - Jaringan Syaraf Tiruan (JST)
Modul 8 - Jaringan Syaraf Tiruan (JST)
ahmad haidaroh
Ìý
Modul 5 Metode Inferensi dan Penalaran
Modul 5   Metode Inferensi dan PenalaranModul 5   Metode Inferensi dan Penalaran
Modul 5 Metode Inferensi dan Penalaran
ahmad haidaroh
Ìý
Bab 2 Aljabar Relasional
Bab 2   Aljabar RelasionalBab 2   Aljabar Relasional
Bab 2 Aljabar Relasional
Ratzman III
Ìý
tugas1-kelompok-K-Medoids-dataMining.pptx
tugas1-kelompok-K-Medoids-dataMining.pptxtugas1-kelompok-K-Medoids-dataMining.pptx
tugas1-kelompok-K-Medoids-dataMining.pptx
aakuntumbal
Ìý
Pertemuan 11 Kualitas Data
Pertemuan 11 Kualitas DataPertemuan 11 Kualitas Data
Pertemuan 11 Kualitas Data
Endang Retnoningsih
Ìý
6 data-understanding-v2
6 data-understanding-v26 data-understanding-v2
6 data-understanding-v2
ArdianDwiPraba
Ìý
Klasifikasi - Algoritma Naive Bayes
Klasifikasi - Algoritma Naive Bayes Klasifikasi - Algoritma Naive Bayes
Klasifikasi - Algoritma Naive Bayes
Elvi Rahmi
Ìý
Modul 4 representasi pengetahuan
Modul 4   representasi pengetahuanModul 4   representasi pengetahuan
Modul 4 representasi pengetahuan
ahmad haidaroh
Ìý
12 regresi
12 regresi12 regresi
12 regresi
ArdianDwiPraba
Ìý
7. Queue (Struktur Data)
7. Queue (Struktur Data)7. Queue (Struktur Data)
7. Queue (Struktur Data)
Kelinci Coklat
Ìý
Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)
Farichah Riha
Ìý
Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)
Farichah Riha
Ìý
Data mining 8 estimasi linear regression
Data mining 8   estimasi linear regressionData mining 8   estimasi linear regression
Data mining 8 estimasi linear regression
IrwansyahSaputra1
Ìý
Perancangan Data Warehouse (Logical dan Physical)
Perancangan Data Warehouse (Logical dan Physical)Perancangan Data Warehouse (Logical dan Physical)
Perancangan Data Warehouse (Logical dan Physical)
dedidarwis
Ìý
Bagan terstruktur
Bagan terstrukturBagan terstruktur
Bagan terstruktur
iimpunya3
Ìý
10 feature engineering-univ-gunadarma
10 feature engineering-univ-gunadarma10 feature engineering-univ-gunadarma
10 feature engineering-univ-gunadarma
ArdianDwiPraba
Ìý
Pembuatan uml pada toko belanja online
Pembuatan uml pada toko belanja onlinePembuatan uml pada toko belanja online
Pembuatan uml pada toko belanja online
andiseprianto
Ìý
Pertemuan 4-metode-pencarian-dan-pelacakan
Pertemuan 4-metode-pencarian-dan-pelacakanPertemuan 4-metode-pencarian-dan-pelacakan
Pertemuan 4-metode-pencarian-dan-pelacakan
willyhayon
Ìý
K-Means Clustering.ppt
K-Means Clustering.pptK-Means Clustering.ppt
K-Means Clustering.ppt
Adam Superman
Ìý
Modul 8 - Jaringan Syaraf Tiruan (JST)
Modul 8 - Jaringan Syaraf Tiruan (JST)Modul 8 - Jaringan Syaraf Tiruan (JST)
Modul 8 - Jaringan Syaraf Tiruan (JST)
ahmad haidaroh
Ìý
Modul 5 Metode Inferensi dan Penalaran
Modul 5   Metode Inferensi dan PenalaranModul 5   Metode Inferensi dan Penalaran
Modul 5 Metode Inferensi dan Penalaran
ahmad haidaroh
Ìý
Bab 2 Aljabar Relasional
Bab 2   Aljabar RelasionalBab 2   Aljabar Relasional
Bab 2 Aljabar Relasional
Ratzman III
Ìý
tugas1-kelompok-K-Medoids-dataMining.pptx
tugas1-kelompok-K-Medoids-dataMining.pptxtugas1-kelompok-K-Medoids-dataMining.pptx
tugas1-kelompok-K-Medoids-dataMining.pptx
aakuntumbal
Ìý
Pertemuan 11 Kualitas Data
Pertemuan 11 Kualitas DataPertemuan 11 Kualitas Data
Pertemuan 11 Kualitas Data
Endang Retnoningsih
Ìý
6 data-understanding-v2
6 data-understanding-v26 data-understanding-v2
6 data-understanding-v2
ArdianDwiPraba
Ìý
Klasifikasi - Algoritma Naive Bayes
Klasifikasi - Algoritma Naive Bayes Klasifikasi - Algoritma Naive Bayes
Klasifikasi - Algoritma Naive Bayes
Elvi Rahmi
Ìý
Modul 4 representasi pengetahuan
Modul 4   representasi pengetahuanModul 4   representasi pengetahuan
Modul 4 representasi pengetahuan
ahmad haidaroh
Ìý

Similar to Materi Data Mining - C4.5 (16)

17. sarah fadilah implementasi data mining untuk pengenalan karakteristik t...
17. sarah fadilah   implementasi data mining untuk pengenalan karakteristik t...17. sarah fadilah   implementasi data mining untuk pengenalan karakteristik t...
17. sarah fadilah implementasi data mining untuk pengenalan karakteristik t...
ym.ygrex@comp
Ìý
Modul klasifikasi decission tree modul klasifikasi
Modul klasifikasi decission tree modul klasifikasiModul klasifikasi decission tree modul klasifikasi
Modul klasifikasi decission tree modul klasifikasi
Universitas Bina Darma Palembang
Ìý
Pemodelan Data .pptx
Pemodelan Data                     .pptxPemodelan Data                     .pptx
Pemodelan Data .pptx
MuhammadFathir45
Ìý
Informatika_Memahami-Informatika-dan-Elemen-Berpikir-Komputasional.pptx
Informatika_Memahami-Informatika-dan-Elemen-Berpikir-Komputasional.pptxInformatika_Memahami-Informatika-dan-Elemen-Berpikir-Komputasional.pptx
Informatika_Memahami-Informatika-dan-Elemen-Berpikir-Komputasional.pptx
Radiartono
Ìý
Jawaban No. 2 Tahap-Tahap Data Mining Karena DM adalah suatu ...
Jawaban No. 2 Tahap-Tahap Data Mining Karena  DM adalah suatu ...Jawaban No. 2 Tahap-Tahap Data Mining Karena  DM adalah suatu ...
Jawaban No. 2 Tahap-Tahap Data Mining Karena DM adalah suatu ...
butest
Ìý
ML.docx
ML.docxML.docx
ML.docx
josuaturnip1
Ìý
ML.docx
ML.docxML.docx
ML.docx
josuaturnip1
Ìý
Mata Kuliah Struktur Data Materi Array_Pertemuan_2.pptx
Mata Kuliah Struktur Data Materi   Array_Pertemuan_2.pptxMata Kuliah Struktur Data Materi   Array_Pertemuan_2.pptx
Mata Kuliah Struktur Data Materi Array_Pertemuan_2.pptx
SitiPratiningsih
Ìý
pertemuan 1__Desain dan analisis algoritma
pertemuan 1__Desain dan analisis algoritmapertemuan 1__Desain dan analisis algoritma
pertemuan 1__Desain dan analisis algoritma
septiara5
Ìý
1. Desain dan analisis algoritma__ pengantar algoritma.pdf
1. Desain dan analisis algoritma__ pengantar algoritma.pdf1. Desain dan analisis algoritma__ pengantar algoritma.pdf
1. Desain dan analisis algoritma__ pengantar algoritma.pdf
septiara5
Ìý
BERPIKIR KOMPUTESIONAL 3.ppt
BERPIKIR KOMPUTESIONAL 3.pptBERPIKIR KOMPUTESIONAL 3.ppt
BERPIKIR KOMPUTESIONAL 3.ppt
AgusPurwadi20
Ìý
P1 - Computational Thinking.pptx
P1 - Computational Thinking.pptxP1 - Computational Thinking.pptx
P1 - Computational Thinking.pptx
wiro2123
Ìý
[PBO] Pertemuan 10 - Generic Programming & Collection
[PBO] Pertemuan 10 - Generic Programming & Collection[PBO] Pertemuan 10 - Generic Programming & Collection
[PBO] Pertemuan 10 - Generic Programming & Collection
rizki adam kurniawan
Ìý
1_Konsep Dasar Deep Learninggggggggg.pdf
1_Konsep Dasar Deep Learninggggggggg.pdf1_Konsep Dasar Deep Learninggggggggg.pdf
1_Konsep Dasar Deep Learninggggggggg.pdf
ArdiFahruriyannur1
Ìý
Kelompok 6 Sains Data Classification Algorithm
Kelompok 6 Sains Data Classification AlgorithmKelompok 6 Sains Data Classification Algorithm
Kelompok 6 Sains Data Classification Algorithm
MNHRCh1
Ìý
Study Jam GDSC Data #1 - GDSC Unikom.pptx
Study Jam GDSC Data #1 - GDSC Unikom.pptxStudy Jam GDSC Data #1 - GDSC Unikom.pptx
Study Jam GDSC Data #1 - GDSC Unikom.pptx
unikomdsc
Ìý
17. sarah fadilah implementasi data mining untuk pengenalan karakteristik t...
17. sarah fadilah   implementasi data mining untuk pengenalan karakteristik t...17. sarah fadilah   implementasi data mining untuk pengenalan karakteristik t...
17. sarah fadilah implementasi data mining untuk pengenalan karakteristik t...
ym.ygrex@comp
Ìý
Pemodelan Data .pptx
Pemodelan Data                     .pptxPemodelan Data                     .pptx
Pemodelan Data .pptx
MuhammadFathir45
Ìý
Informatika_Memahami-Informatika-dan-Elemen-Berpikir-Komputasional.pptx
Informatika_Memahami-Informatika-dan-Elemen-Berpikir-Komputasional.pptxInformatika_Memahami-Informatika-dan-Elemen-Berpikir-Komputasional.pptx
Informatika_Memahami-Informatika-dan-Elemen-Berpikir-Komputasional.pptx
Radiartono
Ìý
Jawaban No. 2 Tahap-Tahap Data Mining Karena DM adalah suatu ...
Jawaban No. 2 Tahap-Tahap Data Mining Karena  DM adalah suatu ...Jawaban No. 2 Tahap-Tahap Data Mining Karena  DM adalah suatu ...
Jawaban No. 2 Tahap-Tahap Data Mining Karena DM adalah suatu ...
butest
Ìý
Mata Kuliah Struktur Data Materi Array_Pertemuan_2.pptx
Mata Kuliah Struktur Data Materi   Array_Pertemuan_2.pptxMata Kuliah Struktur Data Materi   Array_Pertemuan_2.pptx
Mata Kuliah Struktur Data Materi Array_Pertemuan_2.pptx
SitiPratiningsih
Ìý
pertemuan 1__Desain dan analisis algoritma
pertemuan 1__Desain dan analisis algoritmapertemuan 1__Desain dan analisis algoritma
pertemuan 1__Desain dan analisis algoritma
septiara5
Ìý
1. Desain dan analisis algoritma__ pengantar algoritma.pdf
1. Desain dan analisis algoritma__ pengantar algoritma.pdf1. Desain dan analisis algoritma__ pengantar algoritma.pdf
1. Desain dan analisis algoritma__ pengantar algoritma.pdf
septiara5
Ìý
BERPIKIR KOMPUTESIONAL 3.ppt
BERPIKIR KOMPUTESIONAL 3.pptBERPIKIR KOMPUTESIONAL 3.ppt
BERPIKIR KOMPUTESIONAL 3.ppt
AgusPurwadi20
Ìý
P1 - Computational Thinking.pptx
P1 - Computational Thinking.pptxP1 - Computational Thinking.pptx
P1 - Computational Thinking.pptx
wiro2123
Ìý
[PBO] Pertemuan 10 - Generic Programming & Collection
[PBO] Pertemuan 10 - Generic Programming & Collection[PBO] Pertemuan 10 - Generic Programming & Collection
[PBO] Pertemuan 10 - Generic Programming & Collection
rizki adam kurniawan
Ìý
1_Konsep Dasar Deep Learninggggggggg.pdf
1_Konsep Dasar Deep Learninggggggggg.pdf1_Konsep Dasar Deep Learninggggggggg.pdf
1_Konsep Dasar Deep Learninggggggggg.pdf
ArdiFahruriyannur1
Ìý
Kelompok 6 Sains Data Classification Algorithm
Kelompok 6 Sains Data Classification AlgorithmKelompok 6 Sains Data Classification Algorithm
Kelompok 6 Sains Data Classification Algorithm
MNHRCh1
Ìý
Study Jam GDSC Data #1 - GDSC Unikom.pptx
Study Jam GDSC Data #1 - GDSC Unikom.pptxStudy Jam GDSC Data #1 - GDSC Unikom.pptx
Study Jam GDSC Data #1 - GDSC Unikom.pptx
unikomdsc
Ìý

More from dedidarwis (20)

Cv dedi darwis
Cv dedi darwisCv dedi darwis
Cv dedi darwis
dedidarwis
Ìý
Manajemen pengetahuan
Manajemen pengetahuanManajemen pengetahuan
Manajemen pengetahuan
dedidarwis
Ìý
Metadata pada Data Warehouse
Metadata pada Data WarehouseMetadata pada Data Warehouse
Metadata pada Data Warehouse
dedidarwis
Ìý
Siklus Pendapatan
Siklus PendapatanSiklus Pendapatan
Siklus Pendapatan
dedidarwis
Ìý
Pengendalian SIA Berbasis Komputer
Pengendalian SIA Berbasis KomputerPengendalian SIA Berbasis Komputer
Pengendalian SIA Berbasis Komputer
dedidarwis
Ìý
Sistem Pengendalian Internal
Sistem Pengendalian InternalSistem Pengendalian Internal
Sistem Pengendalian Internal
dedidarwis
Ìý
Model data dan desain database
Model data dan desain databaseModel data dan desain database
Model data dan desain database
dedidarwis
Ìý
Pengantar e-business
Pengantar e-businessPengantar e-business
Pengantar e-business
dedidarwis
Ìý
Siklus sistem informasi akuntansi
Siklus sistem informasi akuntansiSiklus sistem informasi akuntansi
Siklus sistem informasi akuntansi
dedidarwis
Ìý
Konsep Dasar Sistem Informasi Akuntansi
Konsep Dasar Sistem Informasi AkuntansiKonsep Dasar Sistem Informasi Akuntansi
Konsep Dasar Sistem Informasi Akuntansi
dedidarwis
Ìý
Pert 14 publikasi hasil penelitian
Pert 14 publikasi hasil penelitianPert 14 publikasi hasil penelitian
Pert 14 publikasi hasil penelitian
dedidarwis
Ìý
Pert 13 pengujian hasil penelitian
Pert 13  pengujian hasil penelitianPert 13  pengujian hasil penelitian
Pert 13 pengujian hasil penelitian
dedidarwis
Ìý
Pert 13 pengujian hasil penelitian
Pert 13  pengujian hasil penelitianPert 13  pengujian hasil penelitian
Pert 13 pengujian hasil penelitian
dedidarwis
Ìý
Pert 12 metode eksperimen
Pert 12   metode eksperimenPert 12   metode eksperimen
Pert 12 metode eksperimen
dedidarwis
Ìý
Pert 11 kesalahan penelitian
Pert 11  kesalahan penelitianPert 11  kesalahan penelitian
Pert 11 kesalahan penelitian
dedidarwis
Ìý
ºÝºÝߣ trik skripsi ftik s1
ºÝºÝߣ trik skripsi ftik s1ºÝºÝߣ trik skripsi ftik s1
ºÝºÝߣ trik skripsi ftik s1
dedidarwis
Ìý
Pert 9 proposal penelitian
Pert 9 proposal penelitianPert 9 proposal penelitian
Pert 9 proposal penelitian
dedidarwis
Ìý
Pert 6 literatur review
Pert 6 literatur reviewPert 6 literatur review
Pert 6 literatur review
dedidarwis
Ìý
Pert 5 pengolahan data
Pert 5 pengolahan dataPert 5 pengolahan data
Pert 5 pengolahan data
dedidarwis
Ìý
Pert 5 pengumpulan-data
Pert 5 pengumpulan-dataPert 5 pengumpulan-data
Pert 5 pengumpulan-data
dedidarwis
Ìý
Cv dedi darwis
Cv dedi darwisCv dedi darwis
Cv dedi darwis
dedidarwis
Ìý
Manajemen pengetahuan
Manajemen pengetahuanManajemen pengetahuan
Manajemen pengetahuan
dedidarwis
Ìý
Metadata pada Data Warehouse
Metadata pada Data WarehouseMetadata pada Data Warehouse
Metadata pada Data Warehouse
dedidarwis
Ìý
Siklus Pendapatan
Siklus PendapatanSiklus Pendapatan
Siklus Pendapatan
dedidarwis
Ìý
Pengendalian SIA Berbasis Komputer
Pengendalian SIA Berbasis KomputerPengendalian SIA Berbasis Komputer
Pengendalian SIA Berbasis Komputer
dedidarwis
Ìý
Sistem Pengendalian Internal
Sistem Pengendalian InternalSistem Pengendalian Internal
Sistem Pengendalian Internal
dedidarwis
Ìý
Model data dan desain database
Model data dan desain databaseModel data dan desain database
Model data dan desain database
dedidarwis
Ìý
Pengantar e-business
Pengantar e-businessPengantar e-business
Pengantar e-business
dedidarwis
Ìý
Siklus sistem informasi akuntansi
Siklus sistem informasi akuntansiSiklus sistem informasi akuntansi
Siklus sistem informasi akuntansi
dedidarwis
Ìý
Konsep Dasar Sistem Informasi Akuntansi
Konsep Dasar Sistem Informasi AkuntansiKonsep Dasar Sistem Informasi Akuntansi
Konsep Dasar Sistem Informasi Akuntansi
dedidarwis
Ìý
Pert 14 publikasi hasil penelitian
Pert 14 publikasi hasil penelitianPert 14 publikasi hasil penelitian
Pert 14 publikasi hasil penelitian
dedidarwis
Ìý
Pert 13 pengujian hasil penelitian
Pert 13  pengujian hasil penelitianPert 13  pengujian hasil penelitian
Pert 13 pengujian hasil penelitian
dedidarwis
Ìý
Pert 13 pengujian hasil penelitian
Pert 13  pengujian hasil penelitianPert 13  pengujian hasil penelitian
Pert 13 pengujian hasil penelitian
dedidarwis
Ìý
Pert 12 metode eksperimen
Pert 12   metode eksperimenPert 12   metode eksperimen
Pert 12 metode eksperimen
dedidarwis
Ìý
Pert 11 kesalahan penelitian
Pert 11  kesalahan penelitianPert 11  kesalahan penelitian
Pert 11 kesalahan penelitian
dedidarwis
Ìý
ºÝºÝߣ trik skripsi ftik s1
ºÝºÝߣ trik skripsi ftik s1ºÝºÝߣ trik skripsi ftik s1
ºÝºÝߣ trik skripsi ftik s1
dedidarwis
Ìý
Pert 9 proposal penelitian
Pert 9 proposal penelitianPert 9 proposal penelitian
Pert 9 proposal penelitian
dedidarwis
Ìý
Pert 6 literatur review
Pert 6 literatur reviewPert 6 literatur review
Pert 6 literatur review
dedidarwis
Ìý
Pert 5 pengolahan data
Pert 5 pengolahan dataPert 5 pengolahan data
Pert 5 pengolahan data
dedidarwis
Ìý
Pert 5 pengumpulan-data
Pert 5 pengumpulan-dataPert 5 pengumpulan-data
Pert 5 pengumpulan-data
dedidarwis
Ìý

Materi Data Mining - C4.5