33
dapat dimasukkan pada teknik
data mining
yang lain.
3. Prediksi
Para
analis
menggunakan
teknologi
ini
untuk
membangun
sebuah
model
prediktif
yang
efektif.
Decision tree mempunyai beberapa keuntungan sebagai berikut (http://en.wikipedia.org):
1. Decision tree mudah dimengerti dan diinterpretasikan. Orang dapat
mengerti
model
decision tree
setelah penjelasan yang singkat.
2.
Penyiapan data untuk decision tree
adalah utama dan tidak dibutuhkan. Teknik lain
seringkali membutuhkan normalisasi data, variabel kosong perlu dibuat, dan nilai yang
kosong harus dihapus.
3. Decision tree dapat mengatasi baik data nominal maupun kategorial. Teknik lain biasanya
dispesialisasi
di
analisis
data
set yang
hanya
mempunyai
satu
tipe
variabel,
contohnya
relation rule yang hanya
dapat digunakan dengan variabel nominal atau neural network
yang hanya dapat digunakan dengan variabel numerik.
4. Decision
tree
merupakan
model
white
box
.
Jika
situasi
yang
diberikan
kelihatan
dalam
model, penjelasan
untuk kondisi
tersebut dapat dengan
mudah dijelaskan dengan boolean
logic. Contoh black box adalah artificial neural network karena penjelasan untuk hasilnya
sangat kompleks.
5. Decision tree dapat melakukan validasi terhadap model dengan menggunakan tes statistik.
Hal itu akan memungkinkan untuk menghitung reliabilitas model.
6. Decision
tree
merupakan
teknik
yang
kuat,
dapat
bekerja
baik
dengan
data
yang
besar
dalam waktu
yang
singkat.
Sejumlah
besar
data
dapat
dianalisis
dengan
menggunakan
personal computer dalam
waktu yang cukup pendek yang memungkinkan pemegang
 |