15
Dapat
dilihat
bahwa
atribut
“patron”
membagi
menjadi 3
bagian,
dimana
hasil
pembagiannya cukup
ideal.
Maksud
ideal
adalah
setiap
cabang
hanya
terdiri
dari
warna
hijau
saja
atau
warna
merah
saja.
Namun
untuk
cabang
“full”
tidak
satu
warna
(hijau
saja
atau
merah
saja)
dikarenakan hanya
ada
2
atribut
yang
tersedia.
Pemilihan
atribut
patron jelas lebih baik bila dibandingkan dengan atribut type.
Untuk
menentukan atribut
mana
yang
lebih dahulu dipergunakan untuk
membuat
cabang
pohon,
digunakanlah teori
informasi.
Pada
WEKA,
ada
pilihan
untuk
menggunakan
ID3 ini,
dengan
nama
yang
sama.
Namun,
jelas
semua
atribut
harus
bertipe nominal, dan tidak boleh ada atribut yang kosong.
2.2.3 Test Options pada WEKA
Setelah
menerapkan classifier
yang
dipilih
maka
data
akan
diuji
sesuai
dengan
pilihan yang ditetapkan dengan mengklik pada kotak Test Option.
Ada empat mode tes:
1. Use training set
Pengetesan dilakukan dengan menggunakan data training itu sendiri.
2. Supplied test set
Pengetesan
dilakukan
dengan
menggunakan
data
lain.
Dengan
menggunakan
option inilah, dapat dilakukan prediksi terhadap data tes.
3. Cross-validation
Pada cross-validation, akan ada pilihan berapa fold
yang
akan digunakan. Nilai
default-nya adalah 10. Mekanisme-nya adalah sebagai berikut :
Data
training
dibagi
menjadi
k
buah
subset
(subhimpunan).
Dimana
k
adalah nilai dari fold. Selanjutnya, untuk tiap dari subset, akan dijadikan data tes
 |