SlideShare a Scribd company logo
1 of 20
DECISION TREE
Prof. Dr. ENDANG WIRJATMI, M. Si
PEPI ZULVIA, S.Pd., M.Si
What is
Decision Tree?
Metode lain yang bisa digunakan untuk menyajikan
masalah keputusan adalah POHON KEPUTUSAN, yaitu
suatu pohon terarah yang menggambarkan suatu proses
keputusan secara grafis. Simpul-simpul (node)
menunjukkan titik-titik dimana
(1)salah satu keputusan harus diambil oleh pengambil
keputusan,
(2)pengambil keputusan dihadapkan dengan salah satu
keadaan/kejadian, atau
(3)prosesnya berakhir.
2 Tipe Utama Decision Tree
Classification Tree
Tipe Yes/No
Regression Tree
Tipe Data Continuous
Variabel Decision atau Keputusan
bersifat Categorical, dimana
hasilnya adalah “Ya” atau “Tidak”
Hasil dari variabel outcome
bersifat Continue, artinya
bentuknya bisa berupa angka
seperti 123
Tujuan dan Asumsi Dasar Decision
Tree
Tujuan
• Memahami kasus dan seluruh aspek yang terkait
• Menggambarkan kerangka berfikir yang sistematis
• Menggambarkan struktur pengambilan keputusan yang dilakukan
decision maker sepanjang tahapan/urutan waktu termasuk seluruh
kemungkinan keputusan dan outcomes
Asumsi Dasar
 Decision maker hanya mengambil satu keputusan
 Setiap keputusan hanya mempunyai outcomes tertentu
 Semua proses menunjukkan tahapan waktu (time sequence)
Pemanfaatan Decision Tree
Kelebihan dan Kekurangan Decision Tree
Kelebihan Kekurangan
• Dapat menangani variabel yang
bersifat continue dan
categorical.
• Decision Tree dapat “meniru”
cara berfikir manusia, sehingga
membantu dalam pemahaman
data dan interpretasi yang baik
• Algoritmenya cepat dan dapat
menangani dataset yang besar,
dengan akurasi yang cukup
baik.
Dapat menjadi tidak stabil rentan
mengalami error pada klasifikasi
yang memiliki banyak kelas.
Basic Konsep
Bentuk Diagram
Keputusan
Contoh Bentuk Diagram Keputusan
Tahapan Decision Tree
01 02
03
04
Tahap Pertama
Definisikan dan rinci masalah
secarajelas
Tahap Kedua
Gambarkan struktur dari
pohon keputusan
Tahap Ketiga
Tentukan nilai
payoff dari setiap
kombinasi alternatif
kemungkinan
Tahap Keempat
Tentukan nilai peluang dari
seluruh kemungkinan dan k
eputusan.
Selesaikan masalah
dengan menghitung
Expected Monetary
Value (EMV)
Expected Monetary Value (EMV) :
Dasar Pengambilan Keputusan
Pengambilan Keputusan didasarkan pada nilai
ekonomi yang expected monetary value (EMV)
diharapkan tertinggi.
Secara matematis dapat ditulis :
EMV = Σ(probability xnilai payoff yg diharapkan)
Tiap jalur dalam pohon keputusan, yaitu tiap rangkaian
alternatif dan keputusan akan menghasilkan suatu nilai
payoff tertentu yang dituliskan di ujung tiap cabang pada
pohon keputusan. Dengan demikian untuk menentukan
pilihan diantara alternatif-alternatif yang ada, pertama-tama
harus ditentukan nilai payoff dari setiap alternatif
Penetapan Nilai PayOff
Contoh Kasus Decision Tree
Contoh Bentuk Pohon Keputusan
Contoh Bentuk Pohon Keputusan
Forcasting
Contoh Kasus: Kang Arwan dan Tanah Kosong
Definisi Masalah
Step 1
Untuk membuat
atau
menghasilkan
tanang kosong
menjadi
berdaya guna
List Alternatif
Step 2
1. Bangun
pabrik
besar
2. Bangun
pabrik kecil
3. Tidak
dibangun .
Ident. Outcome
Step 3
Pasar layak
atau tidak
layak serta list
payoff dari
masing-
masing
outcome.
Pilih Model
Step 4
Membuat
tabel
keputusan
dan pohon
keputusan
Pohon Keputusan
Tabel Keputusan
Alternatif
Kondisi
EMV
Pasar Layak
Pasar Tidak
Layak
Bangun Pabrik Besar 200.000 -180.000 200.000*0,5+(-180.000)*0,5 = 10.000
Bangun Pabrik Kecil 100.000 -20.000 100.000*0,5 + (-20.000)*0,5 = 40.000
Tidak Bangun 0 0 0*0,5 + 0*0,5 = 0
Probabilitas 0,5 0,5
Soal
1. Sebagai seorang pengusaha pabrik peralatan elektronik , Tuan X berminat untuk menambah jenis produk yang diproduksi.
Untuk maksud tersebut hingga saat ini terdapat dua pilihan. Pilihan pertama adalah produk A. Meskipun teknologi yang diperlukan
bagi pembuatan produk A tersebut belum tersedia, tetapi dia yakin bahwa staf enginering yang ada akan mampu menguasai
teknologi tersebut. Dengan pertimbangan gal tersebut maka dapat ditetapkan bahwa kemungkinan untuk berhasilnya usaha
tersebut adalah 0.5.
Produk yang kedua adalah produk B. Untuk produk ini tidak dibutuhkan teknologi baru, namun demikian dirasakan bahwa masih
adakemungkinan gagal yaitu sebesar 0.2.
Karena keterbatasan dana maka hanya satu macam produk saja yang dapat dibuat.
Produk A apabila berhasil membutuhakan biaya Rp.200 juta dan jika gagal Rp. 80 juta
Produk B apabila berhasil membutuhkan biaya Rp. 80 juta dan jika gagal Rp -2 juta.
Produk mana yang akan dipilih oleh Tuan X?
2. Suatu hari Pak Arif ingin memanfaatkan tanahnya yang luas untuk dibangun sebuah toko. Pak Arif mempunyai dua kondisi
pemasaran (tidak bagus dan bagus) dengan peluang 0.4 dan 0.6, serta rancangan untuk dibangun toko kecil, sedang, atau besar.
Namun, Pak Arif belum bisa memutuskan akan dibangun toko atau dibiarkan begitu saja. Berikut payoff dari kondisi pemasaran
jika dibangun atau tidak sebuah toko:
Kondisi pemasaran bagus
Ketika dibangun toko yang besar memiliki payoff sebesar 300.000, toko yang sedang memiliki payoff sebesar 200.000, sedangkan
dibangun toko yang kecil memiliki payoff sebesar 150.000. Jika tidak dibangun toko, maka pak Arif tidak memiliki payoff.
Kondisi pemasaran tidak bagus
Ketika dibangun toko yang besar memiliki payoff sebesar -240.000, toko yang sedang memiliki payoff sebesar -100.000
sedangkan dibangun toko yang kecil memiliki payoff sebesar -30.000. Jika tidak dibangun toko, maka pak Arif tidak memiliki payoff.
Dari permasalahan diatas buatlah tabel keputusan dan pohon keputusan dengan menggunakan metode EMV untuk Pak Arif untuk
mengambil suatu keputusan?
Thank you

More Related Content

What's hot

8. goal programming (program tujuan)
8. goal programming (program tujuan)8. goal programming (program tujuan)
8. goal programming (program tujuan)
Nadia Rahmatul Ummah
 
Distribusi multinomial
Distribusi multinomialDistribusi multinomial
Distribusi multinomial
MarwaElshi
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
Arif Windiargo
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubah
Yulianus Lisa Mantong
 
5 ta-2021-05-business-understanding-modul-ariw-2021-07-17
5 ta-2021-05-business-understanding-modul-ariw-2021-07-175 ta-2021-05-business-understanding-modul-ariw-2021-07-17
5 ta-2021-05-business-understanding-modul-ariw-2021-07-17
ArdianDwiPraba
 
Program Pengurutan (Sorting) dan Pencarian (Searching) Data
Program Pengurutan  (Sorting) dan Pencarian  (Searching) DataProgram Pengurutan  (Sorting) dan Pencarian  (Searching) Data
Program Pengurutan (Sorting) dan Pencarian (Searching) Data
Simon Patabang
 
Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013
Gusti Rusmayadi
 
Statistika I - Pertemuan 8 Distribusi Peluang Diskrit.ppt
Statistika I - Pertemuan 8 Distribusi Peluang Diskrit.pptStatistika I - Pertemuan 8 Distribusi Peluang Diskrit.ppt
Statistika I - Pertemuan 8 Distribusi Peluang Diskrit.ppt
blacknait
 
Aljabar linear:Kebebasan Linear, Basis, dan Dimensi.ppt
Aljabar linear:Kebebasan Linear, Basis, dan Dimensi.pptAljabar linear:Kebebasan Linear, Basis, dan Dimensi.ppt
Aljabar linear:Kebebasan Linear, Basis, dan Dimensi.ppt
rahmawarni
 

What's hot (20)

8. goal programming (program tujuan)
8. goal programming (program tujuan)8. goal programming (program tujuan)
8. goal programming (program tujuan)
 
Distribusi multinomial
Distribusi multinomialDistribusi multinomial
Distribusi multinomial
 
Materi 3 Finite State Automata
Materi 3   Finite State AutomataMateri 3   Finite State Automata
Materi 3 Finite State Automata
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
 
Fp Kelompok7
Fp Kelompok7Fp Kelompok7
Fp Kelompok7
 
Pengantar metode numerik
Pengantar metode numerikPengantar metode numerik
Pengantar metode numerik
 
KONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITASKONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS
 
Data mining 5 klasifikasi decision tree dan random forest
Data mining 5   klasifikasi decision tree dan random forestData mining 5   klasifikasi decision tree dan random forest
Data mining 5 klasifikasi decision tree dan random forest
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubah
 
5 ta-2021-05-business-understanding-modul-ariw-2021-07-17
5 ta-2021-05-business-understanding-modul-ariw-2021-07-175 ta-2021-05-business-understanding-modul-ariw-2021-07-17
5 ta-2021-05-business-understanding-modul-ariw-2021-07-17
 
Distribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan BinomialDistribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan Binomial
 
Modul 8 - Jaringan Syaraf Tiruan (JST)
Modul 8 - Jaringan Syaraf Tiruan (JST)Modul 8 - Jaringan Syaraf Tiruan (JST)
Modul 8 - Jaringan Syaraf Tiruan (JST)
 
Program Pengurutan (Sorting) dan Pencarian (Searching) Data
Program Pengurutan  (Sorting) dan Pencarian  (Searching) DataProgram Pengurutan  (Sorting) dan Pencarian  (Searching) Data
Program Pengurutan (Sorting) dan Pencarian (Searching) Data
 
Algoritma brute force
Algoritma brute forceAlgoritma brute force
Algoritma brute force
 
pemetaan erd
pemetaan erdpemetaan erd
pemetaan erd
 
Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013
 
Statistika I - Pertemuan 8 Distribusi Peluang Diskrit.ppt
Statistika I - Pertemuan 8 Distribusi Peluang Diskrit.pptStatistika I - Pertemuan 8 Distribusi Peluang Diskrit.ppt
Statistika I - Pertemuan 8 Distribusi Peluang Diskrit.ppt
 
Analisis Algoritma - Pengantar Kompleksitas Algoritma
Analisis Algoritma - Pengantar Kompleksitas AlgoritmaAnalisis Algoritma - Pengantar Kompleksitas Algoritma
Analisis Algoritma - Pengantar Kompleksitas Algoritma
 
Aljabar linear:Kebebasan Linear, Basis, dan Dimensi.ppt
Aljabar linear:Kebebasan Linear, Basis, dan Dimensi.pptAljabar linear:Kebebasan Linear, Basis, dan Dimensi.ppt
Aljabar linear:Kebebasan Linear, Basis, dan Dimensi.ppt
 
Data mining 8 estimasi linear regression
Data mining 8   estimasi linear regressionData mining 8   estimasi linear regression
Data mining 8 estimasi linear regression
 

Similar to [Pk] pertemuan 12 Decision Tree

Lampiran cd manajemen operasi
Lampiran cd manajemen operasiLampiran cd manajemen operasi
Lampiran cd manajemen operasi
Aven Richardo
 
Desain brng & jasa ( 4 )
Desain brng & jasa ( 4 )Desain brng & jasa ( 4 )
Desain brng & jasa ( 4 )
nurulllah
 

Similar to [Pk] pertemuan 12 Decision Tree (20)

Part 2
Part 2Part 2
Part 2
 
DECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdfDECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdf
 
DECISION_TREE.pdf
DECISION_TREE.pdfDECISION_TREE.pdf
DECISION_TREE.pdf
 
Menerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasMenerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitas
 
Uncertainty and Probability
Uncertainty and ProbabilityUncertainty and Probability
Uncertainty and Probability
 
Lampiran cd manajemen operasi
Lampiran cd manajemen operasiLampiran cd manajemen operasi
Lampiran cd manajemen operasi
 
MATERI PENDEKATAN PROBABILISTIK
MATERI PENDEKATAN PROBABILISTIKMATERI PENDEKATAN PROBABILISTIK
MATERI PENDEKATAN PROBABILISTIK
 
Tugas Akhir - Asri Widayati - 4EA21
Tugas Akhir - Asri Widayati - 4EA21Tugas Akhir - Asri Widayati - 4EA21
Tugas Akhir - Asri Widayati - 4EA21
 
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
 
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
 
Keputusan Pembelian Dalam Kondisi Tidak Pasti
Keputusan Pembelian Dalam Kondisi Tidak PastiKeputusan Pembelian Dalam Kondisi Tidak Pasti
Keputusan Pembelian Dalam Kondisi Tidak Pasti
 
Menerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasMenerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitas
 
Analisis BEP.pptx
Analisis BEP.pptxAnalisis BEP.pptx
Analisis BEP.pptx
 
Kompilasi muhamad rio sadewo
Kompilasi muhamad rio sadewoKompilasi muhamad rio sadewo
Kompilasi muhamad rio sadewo
 
Pertemuan 5 Materi Riset Operasi Wdy 2022.pptx
Pertemuan 5 Materi Riset Operasi Wdy 2022.pptxPertemuan 5 Materi Riset Operasi Wdy 2022.pptx
Pertemuan 5 Materi Riset Operasi Wdy 2022.pptx
 
Desain brng & jasa ( 4 )
Desain brng & jasa ( 4 )Desain brng & jasa ( 4 )
Desain brng & jasa ( 4 )
 
HomeWork Compilation MicroEconomics
HomeWork Compilation MicroEconomicsHomeWork Compilation MicroEconomics
HomeWork Compilation MicroEconomics
 
Decision under uncertainty
Decision under uncertaintyDecision under uncertainty
Decision under uncertainty
 
Isi laporan 1 ro
Isi laporan 1 roIsi laporan 1 ro
Isi laporan 1 ro
 
Analisis pohon kepputusan
Analisis pohon kepputusanAnalisis pohon kepputusan
Analisis pohon kepputusan
 

Recently uploaded

Aksi Nyata Sosialisasi Profil Pelajar Pancasila.pdf
Aksi Nyata Sosialisasi Profil Pelajar Pancasila.pdfAksi Nyata Sosialisasi Profil Pelajar Pancasila.pdf
Aksi Nyata Sosialisasi Profil Pelajar Pancasila.pdf
JarzaniIsmail
 
mengapa penguatan transisi PAUD SD penting.pdf
mengapa penguatan transisi PAUD SD penting.pdfmengapa penguatan transisi PAUD SD penting.pdf
mengapa penguatan transisi PAUD SD penting.pdf
saptari3
 
SEJARAH PERKEMBANGAN KEPERAWATAN JIWA dan Trend Issue.ppt
SEJARAH PERKEMBANGAN KEPERAWATAN JIWA dan Trend Issue.pptSEJARAH PERKEMBANGAN KEPERAWATAN JIWA dan Trend Issue.ppt
SEJARAH PERKEMBANGAN KEPERAWATAN JIWA dan Trend Issue.ppt
AlfandoWibowo2
 
Bab 7 - Perilaku Ekonomi dan Kesejahteraan Sosial.pptx
Bab 7 - Perilaku Ekonomi dan Kesejahteraan Sosial.pptxBab 7 - Perilaku Ekonomi dan Kesejahteraan Sosial.pptx
Bab 7 - Perilaku Ekonomi dan Kesejahteraan Sosial.pptx
ssuser35630b
 
HAK DAN KEWAJIBAN WARGA NEGARA ppkn i.ppt
HAK DAN KEWAJIBAN WARGA NEGARA ppkn i.pptHAK DAN KEWAJIBAN WARGA NEGARA ppkn i.ppt
HAK DAN KEWAJIBAN WARGA NEGARA ppkn i.ppt
nabilafarahdiba95
 

Recently uploaded (20)

PPT Mean Median Modus data tunggal .pptx
PPT Mean Median Modus data tunggal .pptxPPT Mean Median Modus data tunggal .pptx
PPT Mean Median Modus data tunggal .pptx
 
Prakarsa Perubahan ATAP (Awal - Tantangan - Aksi - Perubahan)
Prakarsa Perubahan ATAP (Awal - Tantangan - Aksi - Perubahan)Prakarsa Perubahan ATAP (Awal - Tantangan - Aksi - Perubahan)
Prakarsa Perubahan ATAP (Awal - Tantangan - Aksi - Perubahan)
 
LATAR BELAKANG JURNAL DIALOGIS REFLEKTIF.ppt
LATAR BELAKANG JURNAL DIALOGIS REFLEKTIF.pptLATAR BELAKANG JURNAL DIALOGIS REFLEKTIF.ppt
LATAR BELAKANG JURNAL DIALOGIS REFLEKTIF.ppt
 
AKSI NYATA BERBAGI PRAKTIK BAIK MELALUI PMM
AKSI NYATA BERBAGI PRAKTIK BAIK MELALUI PMMAKSI NYATA BERBAGI PRAKTIK BAIK MELALUI PMM
AKSI NYATA BERBAGI PRAKTIK BAIK MELALUI PMM
 
Modul Projek - Batik Ecoprint - Fase B.pdf
Modul Projek  - Batik Ecoprint - Fase B.pdfModul Projek  - Batik Ecoprint - Fase B.pdf
Modul Projek - Batik Ecoprint - Fase B.pdf
 
Bab 4 Persatuan dan Kesatuan di Lingkup Wilayah Kabupaten dan Kota.pptx
Bab 4 Persatuan dan Kesatuan di Lingkup Wilayah Kabupaten dan Kota.pptxBab 4 Persatuan dan Kesatuan di Lingkup Wilayah Kabupaten dan Kota.pptx
Bab 4 Persatuan dan Kesatuan di Lingkup Wilayah Kabupaten dan Kota.pptx
 
Aksi Nyata Sosialisasi Profil Pelajar Pancasila.pdf
Aksi Nyata Sosialisasi Profil Pelajar Pancasila.pdfAksi Nyata Sosialisasi Profil Pelajar Pancasila.pdf
Aksi Nyata Sosialisasi Profil Pelajar Pancasila.pdf
 
DAFTAR PPPK GURU KABUPATEN PURWOREJO TAHUN 2024
DAFTAR PPPK GURU KABUPATEN PURWOREJO TAHUN 2024DAFTAR PPPK GURU KABUPATEN PURWOREJO TAHUN 2024
DAFTAR PPPK GURU KABUPATEN PURWOREJO TAHUN 2024
 
Sesi 1_PPT Ruang Kolaborasi Modul 1.3 _ ke 1_PGP Angkatan 10.pptx
Sesi 1_PPT Ruang Kolaborasi Modul 1.3 _ ke 1_PGP Angkatan 10.pptxSesi 1_PPT Ruang Kolaborasi Modul 1.3 _ ke 1_PGP Angkatan 10.pptx
Sesi 1_PPT Ruang Kolaborasi Modul 1.3 _ ke 1_PGP Angkatan 10.pptx
 
mengapa penguatan transisi PAUD SD penting.pdf
mengapa penguatan transisi PAUD SD penting.pdfmengapa penguatan transisi PAUD SD penting.pdf
mengapa penguatan transisi PAUD SD penting.pdf
 
Tim Yang Lolos Pendanaan Hibah Kepedulian pada Masyarakat UI 2024
Tim Yang Lolos Pendanaan Hibah Kepedulian pada Masyarakat  UI 2024Tim Yang Lolos Pendanaan Hibah Kepedulian pada Masyarakat  UI 2024
Tim Yang Lolos Pendanaan Hibah Kepedulian pada Masyarakat UI 2024
 
SEJARAH PERKEMBANGAN KEPERAWATAN JIWA dan Trend Issue.ppt
SEJARAH PERKEMBANGAN KEPERAWATAN JIWA dan Trend Issue.pptSEJARAH PERKEMBANGAN KEPERAWATAN JIWA dan Trend Issue.ppt
SEJARAH PERKEMBANGAN KEPERAWATAN JIWA dan Trend Issue.ppt
 
Contoh Laporan Observasi Pembelajaran Rekan Sejawat.pdf
Contoh Laporan Observasi Pembelajaran Rekan Sejawat.pdfContoh Laporan Observasi Pembelajaran Rekan Sejawat.pdf
Contoh Laporan Observasi Pembelajaran Rekan Sejawat.pdf
 
DEMONSTRASI KONTEKSTUAL MODUL 1.3 CGP 10.pptx
DEMONSTRASI KONTEKSTUAL MODUL 1.3 CGP 10.pptxDEMONSTRASI KONTEKSTUAL MODUL 1.3 CGP 10.pptx
DEMONSTRASI KONTEKSTUAL MODUL 1.3 CGP 10.pptx
 
7.PPT TENTANG TUGAS Keseimbangan-AD-AS .pptx
7.PPT TENTANG TUGAS Keseimbangan-AD-AS .pptx7.PPT TENTANG TUGAS Keseimbangan-AD-AS .pptx
7.PPT TENTANG TUGAS Keseimbangan-AD-AS .pptx
 
Bab 7 - Perilaku Ekonomi dan Kesejahteraan Sosial.pptx
Bab 7 - Perilaku Ekonomi dan Kesejahteraan Sosial.pptxBab 7 - Perilaku Ekonomi dan Kesejahteraan Sosial.pptx
Bab 7 - Perilaku Ekonomi dan Kesejahteraan Sosial.pptx
 
HAK DAN KEWAJIBAN WARGA NEGARA ppkn i.ppt
HAK DAN KEWAJIBAN WARGA NEGARA ppkn i.pptHAK DAN KEWAJIBAN WARGA NEGARA ppkn i.ppt
HAK DAN KEWAJIBAN WARGA NEGARA ppkn i.ppt
 
Salinan dari JUrnal Refleksi Mingguan modul 1.3.pdf
Salinan dari JUrnal Refleksi Mingguan modul 1.3.pdfSalinan dari JUrnal Refleksi Mingguan modul 1.3.pdf
Salinan dari JUrnal Refleksi Mingguan modul 1.3.pdf
 
algoritma dan pemrograman komputer, tugas kelas 10
algoritma dan pemrograman komputer, tugas kelas 10algoritma dan pemrograman komputer, tugas kelas 10
algoritma dan pemrograman komputer, tugas kelas 10
 
KELAS 10 PERUBAHAN LINGKUNGAN SMA KURIKULUM MERDEKA
KELAS 10 PERUBAHAN LINGKUNGAN SMA KURIKULUM MERDEKAKELAS 10 PERUBAHAN LINGKUNGAN SMA KURIKULUM MERDEKA
KELAS 10 PERUBAHAN LINGKUNGAN SMA KURIKULUM MERDEKA
 

[Pk] pertemuan 12 Decision Tree

  • 1. DECISION TREE Prof. Dr. ENDANG WIRJATMI, M. Si PEPI ZULVIA, S.Pd., M.Si
  • 2. What is Decision Tree? Metode lain yang bisa digunakan untuk menyajikan masalah keputusan adalah POHON KEPUTUSAN, yaitu suatu pohon terarah yang menggambarkan suatu proses keputusan secara grafis. Simpul-simpul (node) menunjukkan titik-titik dimana (1)salah satu keputusan harus diambil oleh pengambil keputusan, (2)pengambil keputusan dihadapkan dengan salah satu keadaan/kejadian, atau (3)prosesnya berakhir.
  • 3. 2 Tipe Utama Decision Tree Classification Tree Tipe Yes/No Regression Tree Tipe Data Continuous Variabel Decision atau Keputusan bersifat Categorical, dimana hasilnya adalah “Ya” atau “Tidak” Hasil dari variabel outcome bersifat Continue, artinya bentuknya bisa berupa angka seperti 123
  • 4. Tujuan dan Asumsi Dasar Decision Tree Tujuan • Memahami kasus dan seluruh aspek yang terkait • Menggambarkan kerangka berfikir yang sistematis • Menggambarkan struktur pengambilan keputusan yang dilakukan decision maker sepanjang tahapan/urutan waktu termasuk seluruh kemungkinan keputusan dan outcomes Asumsi Dasar  Decision maker hanya mengambil satu keputusan  Setiap keputusan hanya mempunyai outcomes tertentu  Semua proses menunjukkan tahapan waktu (time sequence)
  • 6. Kelebihan dan Kekurangan Decision Tree Kelebihan Kekurangan • Dapat menangani variabel yang bersifat continue dan categorical. • Decision Tree dapat “meniru” cara berfikir manusia, sehingga membantu dalam pemahaman data dan interpretasi yang baik • Algoritmenya cepat dan dapat menangani dataset yang besar, dengan akurasi yang cukup baik. Dapat menjadi tidak stabil rentan mengalami error pada klasifikasi yang memiliki banyak kelas.
  • 10. Tahapan Decision Tree 01 02 03 04 Tahap Pertama Definisikan dan rinci masalah secarajelas Tahap Kedua Gambarkan struktur dari pohon keputusan Tahap Ketiga Tentukan nilai payoff dari setiap kombinasi alternatif kemungkinan Tahap Keempat Tentukan nilai peluang dari seluruh kemungkinan dan k eputusan. Selesaikan masalah dengan menghitung Expected Monetary Value (EMV)
  • 11. Expected Monetary Value (EMV) : Dasar Pengambilan Keputusan Pengambilan Keputusan didasarkan pada nilai ekonomi yang expected monetary value (EMV) diharapkan tertinggi. Secara matematis dapat ditulis : EMV = Σ(probability xnilai payoff yg diharapkan)
  • 12. Tiap jalur dalam pohon keputusan, yaitu tiap rangkaian alternatif dan keputusan akan menghasilkan suatu nilai payoff tertentu yang dituliskan di ujung tiap cabang pada pohon keputusan. Dengan demikian untuk menentukan pilihan diantara alternatif-alternatif yang ada, pertama-tama harus ditentukan nilai payoff dari setiap alternatif Penetapan Nilai PayOff
  • 14. Contoh Bentuk Pohon Keputusan
  • 15. Contoh Bentuk Pohon Keputusan Forcasting
  • 16. Contoh Kasus: Kang Arwan dan Tanah Kosong Definisi Masalah Step 1 Untuk membuat atau menghasilkan tanang kosong menjadi berdaya guna List Alternatif Step 2 1. Bangun pabrik besar 2. Bangun pabrik kecil 3. Tidak dibangun . Ident. Outcome Step 3 Pasar layak atau tidak layak serta list payoff dari masing- masing outcome. Pilih Model Step 4 Membuat tabel keputusan dan pohon keputusan
  • 18. Tabel Keputusan Alternatif Kondisi EMV Pasar Layak Pasar Tidak Layak Bangun Pabrik Besar 200.000 -180.000 200.000*0,5+(-180.000)*0,5 = 10.000 Bangun Pabrik Kecil 100.000 -20.000 100.000*0,5 + (-20.000)*0,5 = 40.000 Tidak Bangun 0 0 0*0,5 + 0*0,5 = 0 Probabilitas 0,5 0,5
  • 19. Soal 1. Sebagai seorang pengusaha pabrik peralatan elektronik , Tuan X berminat untuk menambah jenis produk yang diproduksi. Untuk maksud tersebut hingga saat ini terdapat dua pilihan. Pilihan pertama adalah produk A. Meskipun teknologi yang diperlukan bagi pembuatan produk A tersebut belum tersedia, tetapi dia yakin bahwa staf enginering yang ada akan mampu menguasai teknologi tersebut. Dengan pertimbangan gal tersebut maka dapat ditetapkan bahwa kemungkinan untuk berhasilnya usaha tersebut adalah 0.5. Produk yang kedua adalah produk B. Untuk produk ini tidak dibutuhkan teknologi baru, namun demikian dirasakan bahwa masih adakemungkinan gagal yaitu sebesar 0.2. Karena keterbatasan dana maka hanya satu macam produk saja yang dapat dibuat. Produk A apabila berhasil membutuhakan biaya Rp.200 juta dan jika gagal Rp. 80 juta Produk B apabila berhasil membutuhkan biaya Rp. 80 juta dan jika gagal Rp -2 juta. Produk mana yang akan dipilih oleh Tuan X? 2. Suatu hari Pak Arif ingin memanfaatkan tanahnya yang luas untuk dibangun sebuah toko. Pak Arif mempunyai dua kondisi pemasaran (tidak bagus dan bagus) dengan peluang 0.4 dan 0.6, serta rancangan untuk dibangun toko kecil, sedang, atau besar. Namun, Pak Arif belum bisa memutuskan akan dibangun toko atau dibiarkan begitu saja. Berikut payoff dari kondisi pemasaran jika dibangun atau tidak sebuah toko: Kondisi pemasaran bagus Ketika dibangun toko yang besar memiliki payoff sebesar 300.000, toko yang sedang memiliki payoff sebesar 200.000, sedangkan dibangun toko yang kecil memiliki payoff sebesar 150.000. Jika tidak dibangun toko, maka pak Arif tidak memiliki payoff. Kondisi pemasaran tidak bagus Ketika dibangun toko yang besar memiliki payoff sebesar -240.000, toko yang sedang memiliki payoff sebesar -100.000 sedangkan dibangun toko yang kecil memiliki payoff sebesar -30.000. Jika tidak dibangun toko, maka pak Arif tidak memiliki payoff. Dari permasalahan diatas buatlah tabel keputusan dan pohon keputusan dengan menggunakan metode EMV untuk Pak Arif untuk mengambil suatu keputusan?