Perbandingan Klasifikasi Algoritma C5.0 Dengan Classification and Regression Tree (Studi Kasus : Data Sosial Kepala Keluarga Masyarakat Desa Teluk Baru Kecamatan Muara Ancalong Tahun 2019)

Abstract

Decision tree is a algorithm used as a reasoning procedure to get answers from problems are entered. Many methods can be used in decision trees, including the C5.0 algorithm and Classification and Regression Tree (CART). C5.0 algorithm is a non-binary decision tree where the branch of tree can be more than two, while the CART algorithm is a binary decision tree where the branch of tree consists of only two branches. This research aims to determine the classification results of the C5.0 and CART algorithms and to determine the comparison of the accuracy classification results from these two methods. The variables used in this research are the average monthly income (Y), employment (X1), number of family members (X2), last education (X3) and gender (X4). After analyzing the results obtained that the accuracy rate of C5.0 algorithm is 79,17% while the accuracy rate of CART is 84,63%. So it can be said that the CART method is a better method in classifying the average income of the people of Teluk Baru Village in Muara Ancalong District in 2019 compared to the C5.0 algorithm method.
 
 Keywords: C5.0 Algorithm, CART, Classification, Decision Tree.

Penerapan Algoritma Decision Tree C5.0 Untuk Memprediksi Tingkat Kematian Pasien Penyakit Gagal Jantung

“…Selanjutnya akan dilakukan perhitungan secara algoritma C5.0 dalam menentukan entropi dan gain untuk menghasilkan pohon keputusan yang dibangun. Rumus untuk mencari entropi tersebut terdapat pada persamaan (1) [10] Entropy (S) = -P(+) log2 P(+) -P(-)-log2P(-) persamaan Selanjutnya algoritma ini akan diimplementasikan kedalam suatu system. Untuk mengetahui akurasi yang dihasilkan maka akan dilakukan evaluasi / pengujian terhadap system guna penarikan kesimpulan yang akurat.…”

Implementasi Algoritma C5.0 Untuk Menentukan Pelanggan Potensial Di Kantor Pos Cimahi

“…Dalam proses pembentukan pohon keputusan nilai informasi gain tertinggi akan terpilih sebagai root bagi node selanjutnya. Rumus (1) merupakan rumus untuk mengetahui entropy keseluruhan dan entropy setiap atribut [9] :…”

Penerapan Algoritma C5.0 Untuk Prediksi Kelulusan Pembelajaran Mahasiswa Pada Matakuliah Arsitektur Sistem Komputer

“…Pembentukan pohon keputusan berdasarkan dari node yang dihasilkan. Pemilihan node pada pohon keputuan algoritma dipilih dari nilai gain dan juga entropy [7].…”

“…Algoritma C5.0 banyak digunakan pada penelitian untuk pembahasan klasifikasi. Dibandingkan dengan algoritma klasifikasi lainnya algoritma C5.0 memiliki kinerja lebih baik, selain itu hasil kinerja yang didapatkan dari proses klasifikasi algoritma C5.0 juga memiliki tingkat akurasi yang tinggi [7]- [10].…”