Pohon keputusan

1. POHON KEPUTUSAN Bab VII

2. PENDAHULUAN • Pohon Keputusan merupakansebuahsistem yang manusiakembangkanuntukmembantumencari dan membuatkeputusanuntukmasalah-masalahtersebut dan denganmemperhitungkanberbagaimacam factor yang ada di dalamlingkupmasalahtersebut. • Tujuanpohonkeputusan : • Mengidentifikasi dan melihathubunganantarafaktor-faktor yang mempengaruhisuatumasalah dan dapatmencaripenyelesaianterbaikdenganmemperhitungkanfaktor-faktortersebut. • Menganalisanilairesiko dan nilaisuatuinformasi yang terdapatdalamsuatualternatifpemecahanmasalah.

3. DEFINISI Pohon Keputusanadalahpemetaanmengenaialternatif-alternatifpemecahanmasalah yang dapatdiambildarimasalahtersebut. Pohon Keputusan tersebut juga memperlihatkanfaktor – faktorkemungkinan / probabilitas yang akanmempengaruhialternatif – alternatifkeputusantersebut, disertaidenganestimasihasilakhir yang akandidapatbilakitamengambilalternatifkeputusantersebut.

4. Manfaat • Mem-break down proses pengambilankeputusan yang kompleksmenjadilebih simple sehinggapengambilkeputusanakanlebihmenginterpretasikansolusidaripermasalahan. • Mengeksplorasi data, menemukanhubungantersembunyiantarasejumlahcalon variable input denganseluruh variable target. • Memadukanantaraeksplorasi data dan pemodelan, sehinggasangatbagussebagai Langkah awaldalam proses pemodelanbahkan Ketika dijadikansebagai model akhirdaribeberapatekhnik lain.

5. TAHAPAN • Definisikan dan rincimasalahsecarajelas • Gambarkanstrukturdaripohonkeputusan • Tentukannilai pay-off darisetiapkombinasialternatifkemungkinan • Tentukannilaipeluangdariseluruhkemungkinan dan keputusan • Selesaikanmasalahdenganmenghitung Expected Monetary Value (EMV) atau Expected Opportunity Loss

6. KELEBIHAN • Daerah pengambilankeputusan yang sebelumnyakompleks dan sangat global, dapatdiubahmenjadilebih simple dan spesifik. • Eliminasiperhitungan-perhitungan yang tidakdiperlukan, karena Ketika menggunakanmetodepohonkeputusanmaka sample yang diujihanyaberdasarkankriteriaataukelastertentu. • Fleksibeluntukmemilihfiturdari internal node yang berbeda, fitur yang dipilihakanmembedakansuatukriteriadibandingkankriteria yang lain dalam node yang sama. • Dalamanalisismultivariat, dengankriteria dan kelas yang jumlahnyabanyak, seorangpengujibiasanyaperluuntukmengestimasikanbaikitudistribusidimensitinggiataupun parameter tertentudaridistribusikelastersebut. Metodepohonkeputusandapatmenghindarimunculnyapermasalahaninidenganmenggunakankriteria yang jumlahnyalebihsedikit pada setiap node internal tanpabanyakmengurangikualitaskeputusan yang dihasilkan.

7. KELEMAHAN • Terjadi overlap terutama Ketika kelas-kelas dan kriteria yang digunakanjumlahnyasangatbanyak, menyebabkanmeningkatnyawaktupengambilankeputusan dan jumlahmemori yang diperlukan. • Pengakumulasianjumlaherordarisetiaptingkatdalamsebuahpohonkeputusan yang besar. • Kesulitandalammendesainpohonkeputusan yang optimal. • Hasil kualitaskeputusan yang didapatkandarimetodepohonkeputusansangattergantung pada bagaimanapohontersebutdidesain.

8. KRITERIA • Expected Monetary Value (EMV) • Adalahsuatukriteria yang memanfaatkanprobabilitastentangterjadinyasituasi masa depandalampemilihanalternatif-alternatifkeputusan. • Seorangpembuatkeputusanharusmenganalisis, menghitungperkiraannilaimoneterdari masing-masing alternatif dan memilihalternatif yang menghasilkanperkiraannilaimoneter yang paling tinggi. • Rumus : ∑ (Probabilitas x nilai pay-off yang diharapkan)

9. KRITERIA 2. Expected Opportunity Loss • Dalamperhitungan Expected Opportunity Loss digunakaninformasiprobabilitassituasi masa depan. • Rumus : ∑ (Probabilitas x nilai pay-off yang diharapkan )