BAB 2 LANDASAN TEORI
2.1
Sistem Pakar 2.1.1
Definisi Sistem Pakar Sistem pakar (expert system) adalah salah satu bagian dari intelegensia
semu(artificial
intelligence),
dimana
definisi
dari
Intelegensia semu itu sendiri adalah suatu bagian dari llmu komputer yang diarahkan untuk menciptakan piranti lunak dan perangkat keras komputer yang diusahakan agar dapat memproduksi hasil seperti yang dihasilkan oleh manusia(Turban,1992,p3).
Sistem pakar dibangun oleh sebuah perangkat lunak komputer yang
berbasiskan
pengetahuan
untuk
domain
tertentu
dengan
menggunakan penalaran inferensi menyerupai seorang pakar dalam memecakan masalah masalah yang kompleks.
Selain sistem pakar, bidang intelegensia semu lainnya adalah natural language processing, speech understanding, robotics and sensory systems, computer vision and scene recognition
2.1.2
Karakteristik Sistem Pakar Ada berbagai karakteristik yang membedakan sistem pakar dengan sistem yang lainnya. Karakteristik dalam mengembangkan sistem pakar disebutkan sebagai berikut (Arhami, 2005, pp26-27) :
a. Terbatas pada domain keahlian tertentu Sistem Pakar dibuat untuk digunakan sebagai alat penyelesaian untuk suatu masalah tertentu b. Dapat memberikan penalaran untuk data-data yang tidak pasti Informasi dalam sistem pakar tidak selalu lengkap, tidak konsisten, subyek terus berubah dan tergantung pada kondisi lingkungan, sehingga keputusan yang diambil bersifat tidak pasti. c. Berdasarkan pada kaidah atau rule tertentu d. Dirancang untuk dapat dikembangkan secara bertahap Perubahan atau pengembangan pengetahuan dalam sistem pakar dapat terjadi setiap saat, bahkan sepanjang waktu sehingga diperlukan kemampuan dalam
modifikasi sistem untuk
menampung jumlah pengetahuan yang semakin besar dan semakin bervariasi. e. Keluaran bersifat anjuran Sistem pakar memberikan solusi yang akurat berdasarkan masukan pengetahuan yang diterima. f. Sistem dapat mengaktifkan kaidah secara searah yang sesuai, dituntun oleh dialog dengan pemakai. 6
2.1.3 Tujuan Sistem Pakar Sistem pakar sebagai kecerdasan buatan, menggabungkan pengetahuan dan fakta-fakta serta teknik penelusuran untuk memecahkan permasalahan yang secara normal memerlukan keahlian dari seorang pakar. Tujuan
utama
pengembangan
sistem
pakar
adalah
mensubtitusikan pengetahuan dan pengalaman pakar di berbagai bidang seperti bidang pertanian, kelautan, bisnis, pendidikan, ilmu pengetahuan, telekomunikasi, geologi dan meteorologi, kesehatan dan pengobatan, komunikasi dan transportasi (Jogiyanto, 2003, p3). Tujuan sistem ini adalah mentransfer kepakaran yang dimiliki seorang pakar (expert) ke dalam komputer, dan kemudian kepada komputer lain atau kepada masyarakat awam nonpakar (nonexpert).
2.1.4 Bidang-bidang Pengembangan Sistem Pakar Beberapa kategori area pengembangan sistem pakar (Jogiyanto, 2003, pp7-9), antara lain : 1. Pengendalian. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah mengatur tingkah laku suatu environment yang kompleks. Contoh pengembangannya banyak ditemukan dalam kasus pasien di rumah sakit, di mana dengan kemampuan sistem pakar dapat dilakukan kontrol terhadap cara pengobatan dan perawatan melalui sensor data
atau kode alarm dan memberikan solusi terapi pengobatan yang tepat bagi pasien. 2. Desain. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan kinerja tertentu yang memenuhi kendala tertentu, di antaranya adalah layout sirkuit dan perancangan pembangunan. Contoh sistem pakar di bidang ini adalah PEACE yang dibuat oleh Dincbas pada tahun 1980 untuk membantu desain pengembangan sirkuit elektronik.
3. Diagnosis. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada beberapa gejala yang teramati, di antaranya adalah medis, elektronis, mekanis, dan sebagainya. Pengembangan sistem pakar terbesar adalah di bidang diagnosis, seperti diagnosis penyakit, diagnosis kerusakan mesin kendaraan bermotor, diagnosis kerusakan komponen komputer dan lain-lain. Contoh program aplikasi sistem pakar di bidang kesehatan adalah MYCIN. 4. Instruksi. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek, di antaranya adalah melakukan instruksi untuk diagnosis, 8
debugging, perbaikan kinerja, ilmu pengetahuan dan pendidikan. Contohnya adalah sistem pakar untuk pengajaran bahasa Inggris, sistem pakar untuk pengajaran astronomi dan lain-lain. 5. Interpretasi. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah pengambilan keputusan atau deskripsi tingkat tinggi dari sekumpulan data mentah, di antaranya adalah pengawasan pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan. Sistem pakar di bidang ini melakukan proses pemahaman akan suatu situasi dari beberapa informasi yang direkam. Contohnya adalah sistem untuk melakukan sensor gambar dan suara kemudian menganalisisnya dan membuat suatu rekomendasi. 6. Monitoring. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah membandingkan antara tingkah laku suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya. Sistem pakar di bidang ini banyak digunakan oleh militer. Contohnya penggunaan sensor radar kemudian menganalisis dan menentukan posisi obyek. 7. Perencanaan. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah merencanakan serangkaian tindakan yang dapat mencapai sejumlah tujuan dengan kondisi awal tertentu, di antaranya adalah perencanaan keuangan, komunikasi, militer, pengembangan produk, routing, dan manajemen proyek. Banyak digunakan dalam bidang bisnis dan
keuangan suatu proyek, di mana sistem pakar dapat membuat perencanaan suatu pekerjaan berdasarkan jumlah tenaga kerja, biaya dan waktu sehingga pekerjaan menjadi lebih efisien dan optimal. 8. Prediksi. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah memprediksi kejadian masa mendatang berdasarkan informasi dan model permasalahan yang dihadapi. Contohnya program yang dibuat oleh Boulanger pada tahun 1983 dengan nama PLANT, memprediksi tingkat kerusakan tanaman apabila terserang hama dalam jangka waktu tertentu. 9. Seleksi. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah mengidentifikasikan pilihan terbaik dari beberapa daftar pilihan kemungkinan solusi. 10. Simulasi. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah membuat pemodelan interaksi antara komponen-komponen sistem. 11. Debugging dan repair. Kegiatan yang dilakukan oleh sistem pakar di bidang ini adalah menentukan dan mengimplementasikan cara-cara untuk mengatasi malfungsi, di antaranya adalah memberikan resep obat terhadap suatu kegagalan.
10
2.1.5
Konsep Dasar Sistem Pakar
Sistem Pakar terdiri dari dua bagian besar, yaitu pembangunan sistem dan konsultasi sistem. Pembangunan sistem merupakan tahap dimana seseorang programmer atau teknikal sistem menginput pengetahuan ahli ke dalam basis pengetahuan dari pada sistem. Konsultasi sistem merupakan tahap di mana sistem mulai dapat diimplementasikan dan digunakan oleh seseorang pemakai untuk berkonsultasi(Turban,1992,p81). Struktur sistem pakar dapat dilihat pada gambar 2.1
FASE KONSULTASI
FASE PENGEMBANGAN
Pemakai
Basis Pengetahuan : Fakta tentang
fakta dan aturan
Peristiwa khusus Antarmuka
Fasilitas
Knowledge
Penjelasan
Engineer Akuisisi
Mesin Aksi yang
Pengetahuan
Inferensi
Pakar
Direkomendasikan
Workplace
Perbaikan Pengetahuan
Gambar 2.1 Struktur Sistem Pakar
Komponen komponen yang diperlukan untuk membangun sistem pakar yang baik(Turban,1992,p81-85), adalah:
a) Akuisisi pengetahuan(Knowledge Acquisition). Proses akumulasi, transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program 12
komputer.
Dalam
tahap
ini,
knowledge
engineer
(perekayasa
pengetahuan) berusaha untuk menyerap pengetahuan yang selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan dapat diperoleh dari para pakar di bidangnya, buku, jurnal, laporan penelitian, literatur dan sebagainya. Menurut Turban (1992), terdapat tiga metode utama dalam akuisisi pengetahuan, yaitu :
1. Wawancara. Wawancara adalah metode akuisisi yang paling banyak digunakan. Metode ini melibatkan pembicaraan secara langsung dengan pakar. 2. Analisis protokol. Dalam metode akuisisi ini, pakar diminta untuk melakukan suatu pekerjaan
dan
mengungkapkan
proses
pemikirannya
dengan
menggunakan kata-kata. Pekerjaan tersebut direkam, ditulis, dan dianalisis. 3. Observasi pada pekerjaan pakar. Dalam metode ini, pekerjaan dalam bidang tertentu yang dilakukan pakar direkam dan diobservasi. Akuisisi pengetahuan dilakukan sepanjang proses pembangunan sistem. Menurut Firebaugh (1989), proses akuisisi pengetahuan dibagi ke dalam enam tahap, yaitu : 1. Tahap identifikasi. Tahap identifikasi meliputi penentuan komponen kunci dalam sistem yang sedang dibangun. Komponen kunci ini adalah knowledge
engineer, pakar, karakteristik masalah, sumber daya, dan tujuan. Knowledge engineer dan pakar bekerja bersama untuk menentukan berbagai aspek masalah seperti lingkup dari proyek, data input yang dimasukkan, bagian-bagian penting, dan kesulitan yang mungkin terjadi dalam pembangunan sistem. 2. Tahap konseptualisasi. Konsep kunci dan hubungannya yang telah ditentukan pada tahap pertama dibuat lebih jelas dalam tahap ini. 3. Tahap formalisasi. Tahap ini meliputi pemetaan konsep kunci, submasalah, dan bentuk aliran informasi yang telah ditentukan dalam tahap-tahap sebelumnya ke dalam representasi formal yang paling sesuai dengan masalah yang ada. 4. Tahap implementasi. Tahap ini meliputi pemetaan pengetahuan dari tahap sebelumnya yang telah diformalisasi ke dalam skema representasi pengetahuan yang dipilih. 5. Tahap pengujian. Setelah prototip sistem yang dibangun dalam tahap sebelumnya berhasil menangani dua atau tiga contoh, prototip sistem tersebut harus menjalani serangkaian pengujian dengan teliti menggunakan beragam sampel masalah. Masalah-masalah yang ditemukan dalam pengujian ini biasanya dapat dibagi ke dalam tiga kategori, yaitu kegagalan input/output, kesalahan logika, dan strategi kontrol. 14
6. Revisi prototip. Suatu unsur penting pada semua tahap dalam proses akuisisi pengetahuan adalah kemampuan untuk kembali ke tahap-tahap sebelumnya untuk memperbaiki sistem.
b) Antar Muka pengguna(User Interface) Sistem Pakar menyediakan antar muka pemakai yang komunikatif antara
komputer
dan
pemakai
untuk
tanya
jawab(dialog),dilengkapi dengan menu dan grafik. Sistem pakar mengambil kesimpulan berdasarkan jawaban-jawaban dari hasil dialog. c) Fasilitas Penjelasan(Explanation Facility) Biasanya pada saat pertama kali menggunakan sistem pakar, para pemakai akan terkejut akan kecepatan sistem pakar dalam pengambilan keputusan. Rasa terkejut ini akan berkembang menjadi rasa tidak percaya pada kebenaran kesimpulan yang diambil. Untuk itulah diperlukan fasilitas untuk menjelaskan bagaimana prosesnya sampai kesimpulan tersebut diperoleh. Biasanya fasilitas ini diberikan dengan cara memperlihatkan ’aturan-aturan’ yang digunakan dalam sistem. d) Basis Pengetahuan (Knowlege Base) mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan
informasi mengenai obyek dalam area permasalahan tertentu, sedangkan
aturan
merupakan
informasi
mengenai
cara
memperoleh fakta baru dari fakta yang telah diketahui. e) Mesin Inferensi(Inference Engine) Bagian dari sistem pakar yang melakukan penalaran mengenai informasi yang ada dalam basis pengetahuan dan workplace dengan menggunakan isi daftar aturan berdasarkan urutan dan pola tertentu. Selama proses konsultasi antara pemakai dan sistem, mesin inferensi menguji aturan satu demi satu sampai kondisi aturan itu benar. Saat tiap aturan diuji, sistem pakar akan mengevaluasi
apakah
kondisinya
benar
atau
salah.
Jika
kondisinya benar, maka aturan itu disimpan kemudian aturan berikutnya diuji. Sebaliknya jika kondisinya salah, aturan itu tidak disimpan dan aturan berikutnya diuji f) Sistem Perbaikan Pengetahuan(Knowledge Refining System). tempat dimana program menganalisis penyebab kesuksesan dan kegagalan
sistem
berdasarkan
kemampuan
pakar
dalam
menganalisis dan meningkatkan kinerjanya g) Area Memori Kerja(WorkPlace) Area memori kerja digunakan untuk menyimpan deskripsi masalah yang diperoleh dari input,hipotesa,dan keputusan dari sistem. Tiga jenis keputusan yang disimpan adalah: 1. rencana,bagaimana mengatasi masalah 2. agenda,aksi potensial yang akan dieksekusi 16
3. solusi,hipotesa terakhir untuk pemecahan
2.1.6
Faktor Manusia dalam Sistem Pakar Menurut Turban(1992,p85-86),paling sedikit ada dua manusia atau lebih yang terlibat dalam dua pengembangan sistem pakar. Minimal terdapat seorang pakar dan seorang pengguna. Seringkali juga terdapat seorang knowledge engineer dan seorang sistem builder. •
Pakar Pakar adalah seorang ahli dalam bidangnya, adalah seorang yang mempunyai pengetahuan khusus, berpengalaman, dan mempunyai kemampuan untuk mengembangkan pengetahuan yang dimilikinya. Untuk memecahkan masalah dengan cara memberi saran. Pakar juga mengetahui fakta mana yang penting dan tidak penting serta mengerti hubungan yang ada di antara fakta tersebut.
•
Perekayasa Pengetahuan (Knowledge Engineer). Seorang knowledge engineer adalah membantu pakar dalam menyusun bidang permasalahan dengan menafsirkan dan menggabungkan
jawaban
pertanyaan,menggambarkan
pakar
ke
dalam
pertanyaan
persamaannya,memberikan
contoh bantu dan mengmebangkannya menjadi konsep yang jelas.
•
Sistem Builder Seorang
yang
membuat
sistem
pakar
dari
konsep
gambaran,pertanyaan, dan contoh bantu yang diberikan sistem engineer. •
Pengguna(User) Umumnya sistem dasar komputer dikembangkan pada model seorang pengguna. Pada dasarnya sebuah sistem pakar mempunyai beberapa jenis pengguna, yaitu: ¾ Pengguna yang tidak ahli meminta saran secara langsung, dalam hal ini sistem pakar berfungsi sebagai konsultan atau penasehat ¾ Seorang pelajar yang ingin belajar, sistem pakar berfungsi sebagai seorang guru. ¾ Seorang pengembang sistem pakar yang ingin memperbaiki
atau
meningkatkan
basic
pengetahuan,dalam hal ini sistem pakar berfungsi sebagai partner. Pengguna tidak harus ahli dalam komputer dan bisa kurang pengetahuannya dalam bidang masalah yang dipecahkan. Bagaimanapun juga, seorang pengguna harus mempunyai keinginan untuk membuat keputusan menjadi lebih baik, lebih mudah, dan lebih cepat menggunakan sistem pakar.
18
2.1.7
Keuntungan dan Kekurangan Sistem Pakar Ada banyak keuntungan dalam penggunaan sistem pakar (Desiani dan Arhami, 2006, pp11-12), di antaranya adalah : 1. Mempermudah pencarian pengetahuan dan solusi yang diperlukan. Menyediakan sistem pakar untuk menjawab permasalahan lebih mudah daripada menyediakan pakar. 2. Meningkatkan output dan produktivitas. Bertambahnya efisiensi pekerjaan dalam hal penghematan waktu dan tenaga. 3. Menyimpan kemampuan dan keahlian pakar. Pengetahuan yang disimpan pada sistem pakar tidak akan hilang selama didukung oleh maintenance dengan baik. Sedangkan pengetahuan pakar seorang manusia lambat laun akan hilang dikarenakan pakar tersebut lupa, meninggal, atau tidak bekerja lagi. 4. Meningkatkan penyelesaian masalah. Solusi yang didapat dari sistem pakar merupakan pilihan yang terbaik yang berasal dari analisis pakar. 5. Meningkatkan reliabilitas. 6. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian. 7. Masyarakat awam nonpakar dapat memanfaatkan keahlian pakar di dalam bidang tertentu tanpa kehadiran langsung seorang pakar. 8. Dapat memecahkan masalah yang kompleks.
9. Memberikan
penyederhanaan
solusi
untuk
kasus-kasus
yang
kompleks dan berulang-ulang. 10. Memungkinkan
untuk
melakukan
kombinasi
penggabungan
pengetahuan pakar dari berbagai bidang. 11. Dapat digunakan setiap saat. Sistem pakar siap digunakan kapanpun, sedangkan manusia tidak mungkin dapat bekerja tanpa istirahat. 12. Dapat digunakan di berbagai tempat. Sistem pakar merupakan suatu perangkat lunak yang dapat diperbanyak, kemudian dibagikan ke berbagai lokasi, tidak seperti manusia yang hanya bisa berada di suatu tempat dalam suatu waktu tertentu. 13. Biaya yang dikeluarkan untuk menggunakan program aplikasi sistem pakar lebih murah daripada biaya konsultasi dengan seorang pakar. 14. Keamanan. Suatu sistem pakar dapat diberi pengamanan untuk menentukan siapa saja yang mempunyai hak akses untuk menggunakannya dan jawaban yang diberikan oleh sistem terbebas dari proses intimidasi atau ancaman, sedangkan seorang pakar bisa saja mendapat ancaman atau tekanan pada saat menyelesaikan masalah. Selain keuntungan yang disebutkan di atas, sistem pakar juga memiliki kekurangan seperti halnya sistem lain, di antaranya adalah : 1. Pengetahuan tidak selalu tersedia, dikarenakan kadang kala pakar dari masalah yang kita miliki tidak ada. 20
2. Pendekatan yang dimiliki oleh setiap pakar dapat berbeda-beda. 3. Solusi yang didapat dari sistem pakar tidaklah selalu benar. Maka itu perlu diuji ulang secara teliti sebelum digunakan. 4. Sistem pakar bekerja dengan lebih baik hanya jika berada pada ruang lingkup yang sempit.
2.1.8
Keuntungan Sistem Pakar bagi Perusahaan Perusahaan
yang
menerapkan
sistem
pakar
dapat
mengharapkan(McLeod,1995,p127): 1. Kinerja Perusahaan yang lebih baik. Karena manajer perusahaan memiliki kemampuan yang lebih luas dalam memecahkan masalah
melalui
penggunaan
sistem
pakar,
mekanisme
pengendalian perusahaan meningkat. Perusahaan lebih mampu memenuhi tujuannya. 2. Mempertahankan pengendalian atas pengetahuan perusahaan. Sistem
pakar
memberikan
kesempatan
untuk
membuat
pengetahuan pegawai yang berpengalaman tersedia untuk pegawai yang baru dan kurang berpengalaman serta menyimpan pengetahuan itu dalam perusahaan lebih lama,bahkan setelah pegawai tersebut berhenti.
2.1.9
Teknik Inferensi Inferensi atau pelacakan merupakan salah satu teknik untuk menyelesaikan permasalahan di dalam kecerdasan buatan. Inferensi
adalah proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan yang ada. Ada dua macam arah dalam teknik pencarian (Turban, 1992, p65), yaitu : 1. Pelacakan ke depan(forward chaining) Merupakan proses data yang mulai berjalan ketika informasi tertentu diletakkan oleh pengguna. Tanda-tanda atau kunci-kunci keberhasilan akan terkumpul dengan sendirinya ketika mengarah ke kesimpulan Dalam pelacakan ini, aturan diuji satu demi satu dalam urutan tertentu. Sistem pakar bertujuan untuk mengecek bagian dari aturan tersebut apakah kondisinya salah atau benar. Jika kondisinya benar, aturan itu dijalankan dan aturan berikutnya diuji. Saat kondisinya salah atau aturannya tidak diketahui, aturan tersebut tidak akan dijalankan, kemudian aturan berikutnya yang akan diuji Aturan C
Kesimpulan 1
Aturan D
Kesimpulan 2
Aturan E
Kesimpulan 3
Fakta 1 Aturan A Observasi 1
Fakta 2 Aturan B
Observasi 2
Fakta 3 Gambar 2.2 Diagram Forward Chaining
22
Kesimpulan 4
2. Pelacakan ke belakang(Backward-chaining) Backward chaining merupakan strategi pencarian arah tujuan. Dimulai dari tujuan dan bekerja dari arah belakang atau hasil. Prosesnya dimulai dari hipotesis kemudian pencarian dimulai
untuk
menentukan
dan
membuktikan
fakta-fakta
pendukung yang diperlukan. Proses akan berakhir dengan penerimaan atau penolakan hipotesis. Dalam pelacakan ini, akan dipilih satu aturan dari kesimpulan dan menganggapnya sebagai masalah yang harus diselesaikan. Setelah masalah tersebut diselesaikan, akan dipilih salah satu dari sub masalah untuk dievaluasi dan sub masalah yang terpilih itu kemudian menjadi sub masalah baru. Sebagai contoh diberikan dua acuan,misalnya: suatu saat anda ingin menuju ke Jakarta dari Semarang, dimana tidak ada penerbangan langsung antara kedua kota tersebut. Maka untuk itu anda berusaha menemukan rantai penerbangan sehingga anda dapat memulai suatu penerbangan dari Semarang dan kemudian dapat mengakhirinya dengan penerbangan ke Jakarta. Hal ini dapat dilakukan dengan dua cara: 1) Anda memulainya dengan mencari penerbangan yang menuju
jakarta
dan
menandai
kota
dimana
asal
penerbangan. Kemudian temukan penerbangan yang menuju
kota
tersebut
dan
temukan
kota
asal
penerbangannya Semarang. Kontrol kerja pelacakan ini
berdasarkan tujuan, artinya kita bekerja mundur, yang disebut backward-chaining 2) Anda memulainya dengan daftar semua penerbangan yang meninggalkan Semarang dan menandai semua kota tujuan. Kemudian mencari semua penerbangan dari kota tersebut dan menandai juga kota tujuan. Ulangi proses sampai ditemukan kota jakarta. Kontrol kerja proses ini maju mulai dari asal menuju tujuan artinya bekerja ke depan, yang disebut forward-chaining Observasi 1 Aturan A
Fakta 1
Observasi 2
Aturan D Aturan B
Fakta 2
Observasi 3
Kesimpulan Aturan E
Aturan C
Fakta 3
Observasi 4 Gambar 2.3 Diagram Backward Chaining
2.2
Teori Pohon Keputusan(Decision Tree) 2.1.1 Definisi Pohon Keputusan(Decision Tree) Decision tree adalah salah satu metode klasifikasi yang paling populer karena mudah untuk diinterpretasi oleh manusia. Decision tree adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari
24
decision tree adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Manfaat utama dari penggunaan decision tree adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan.
2.1.2 Kelebihan dan Kekurangan Decision tree Kelebihan dari metode decision tree adalah: •
Daerah pengambilan keputusan yang sbelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.
•
Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode decision tree maka sample diuji hanya berdasarkan criteria atau kelas tertentu.
•
Fleksibel untuk memilih features dari internal nodes yang berbeda, feature yang terpilih akan membedakan suatu criteria dibandingkan criteria yang lain dalam node yang sama. Kefleksibelan metode decision tree ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional.
•
Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode decision tree dapat menghindari munculnya permasalahan ini dengan menggunakan criteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
Kekurangan metode decision tree, yaitu: •
Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memory yang diperlukan.
•
Pengakumulasian jumlah error dari setiap level dalam sebuah pohon keputusan yang besar.
•
Kesulitan dalam mendesain decision tree yang optimal. Hasil kualitas keputusan yang didapatkan dari metode decision tree sangat tergantung pada bagaimana pohon tersebut didesain.
26
