Dokumen ini membahas tentang klasifikasi dataset mobil menggunakan metode decision tree di Weka. Dataset mobil diubah formatnya menjadi ARFF dan diklasifikasi menggunakan ID3 dan J48. Hasilnya menunjukkan ID3 memberikan akurasi yang lebih baik dari J48 berdasarkan nilai presisi, recall, dan F-measure.

1. DATA MINING
Klasifikasi dataset Car Menggunakan
Metode Decision Tree
Saiful Bahri
1108107010063
2013
INFORMATIKA UNSYIAH

2. Mengubah Format Dataset ke Dalam Bentuk ARFF
Hal yang pertama dilakukan dalam Mengubah Dataset car dari format .txt kedalam format
.arff adalah seperti berikut:
1. Download data set Car pada halaman Web ,dan simpan dalam bentuk txt , misalnya
data.txt
2. Buka file data.txt menggunakan Microsoft excel dengan cara klik Data ,Pilih From
Text dan klik data.txt lalu klik import

3. Lalu pilih parameter nya comma .supaya kolom pada excel dipisahkan dengan
comma(,)

4. 3. Masukkan atrribut sesuai yang diminta pada soal , dan pada 1 class label pada colom paling
ujung tambahan satu baris untuk memasukan atribut
4. Kemudian Save File tersebut dalam format.csv
5. Buka aplikasi weka kemudian open file yang disimpan dalam format.csv

6. 6. Kemudian save file datacars tersebut dalam bentuk format.arff
Klasifikasi Menggunakan Weka
Menggunakan Classifier ID3
 Buka datacars.arff Menggunakan Weka ,Kemudian klik Classifier  Tree 
id3

7. Klasifikasi Menggunakan WEKA
Menggunakan Classifier J48
Buka dataset datacars.arff dengan menggunakan, Weka kemudian pilih Classifier  Tree 
J48
1. Set confidenceFacktor =0.90 dan set minNumObj =1
Klik Ok Dan Klik Start .
2. Set confidenceFacktor =0.90 dan set minNumObj =2

8. 3. Set confidenceFacktor =0.90 dan set minNumObj =3
4. Set confidenceFacktor =0.90 dan set minNumObj =4

9. 5. Set confidenceFacktor =0.90 dan set minNumObj =5

10. 6. Set confidenceFacktor =0.90 dan set minNumObj =6
KESIMPULAN
Klasifikasi Dapat digunakan dengan fungsi decision tree yang terdapat pada Weka,hal
ini dapat dilakukan dengan menggunakan 2 cara yaitu
-Menggunakan id3 dan j48.
Dari hasil melakukan percobaan ,maka dapat disimpulkan bahwa klasifikasi dengan
menggunakan id3 dapat menghasilkan nilai akurasi yang baik dari pada menggunakan j48
berdasarkan perhitungan dari weka.Dan hail ini dapat di coba melalui hasil nilai
precision,recall dan F-Measure yang tujuan mendapatan nilai yang lebih baik yang hampir
mendekati 1.Maka dapat disimpulkan akurasi menggunakan classifier id3 dapat nilai akurasi
yang lebih baik dari pada j48.
Berikut nilai rata-rata Precision ,Recall ,dan F-Measure untuk klasifikasi Id3 adalah sebagai
berikut:
 P = 0.964
 R = 0.962
 F = 0.963