Decision Tree

Apa itu Decision Tree? Decision Tree adalah flowchart yang bentuknya mirip dengan pohon terbalik. Dalam analisa keputusan, decision tree mempermudah untuk memvisualisasikan keputusan dan proses pengambilan keputusan secara jelas. Model ini digunakan untuk memprediksi nilai variabel target dengan mempelejari decision rule sederhana yang terdapat pada data feature.

Photo by Jens Lelie on Unsplash

Ada dua tipe dalam decision tree:

• Classification Tree yaitu variabel decision atau keputusan yang bersifat categorial, yang hasilnya adalah ‘ya’ atau ‘tidak’.
• Regression Tree yaitu hasil dari variabel outcome bersifat kontinyu, artinya bentuknya bisa berupa angka seperti 123.

Kelebahan Decision Tree adalah:

1. Dapat menangani variabel yang bersifat kontinyu dan kategorial.
2. Decision Tree dapat ‘meniru’ cara berpikir manusia, sehingga membantu kita untuk memahami data dan membuat interpretasi yang baik.
3. Algoritmanya cepat dan dapat menangani dataset yang besar dengan akurasi yang cukup baik.

Kelemahan Decision Tree

1. Dapat menjadi tidak stabil (High Variance), jadi perubahan kecil dalam dataset dapat mengubah model dengan signifikan.
2. Tidak dapat memodelkan tipe relationship tertentu, misalnya simple linier relationship antara dua variabel.
3. Rentan mengalami eror pada klasifikasi yang memiliki banyak kelas dan jumlah training examples yang sedikit.

Source: Algoritma Data Science School (https://www.linkedin.com/school/teamalgoritma/)