Klasifikasi : Decision Tree part 2

Kemarin kita sudah bahas tentang pengenalan metode klasifikasi dengan decision tree, dengan contoh data yang telah diberikan. Sekarang kita akan sedikit membahas tetang cara perhitungannya.

Hal pertama yang harus dilakukan adalah menghitung entrophy untuk keseluruhan data (buys computer = "yes" dan buys computer="no"). 

Berdasarkan rumus perhitungan entrophy yang kita bahas kemarin, diperoleh hasil berikut :

     Info (D) = I(9,5) = -(9/14) log2 (9/14) – (5/14) log2 (5/14) = 0.940

ket : 9 untuk yang memebeli komputer, 5 untuk yang tidak membeli komputer, 14 jumlah keseluruhan

Kemudian hitung juga entrophy, info, dan gain untuk setiap atribut.

Untuk atribut age kita dapat data di atas dengan perhitungannya :

-    Entrophy

     I(2,3) = -(2/5) log2 (2/5) – (3/5) log2 (3/5) = 0.971

     I(4,0) = -(4/0) log2 (4/0) – (0/4) log2 (0/4) = 0

     I(3,2) = -(3/2) log2 (3/2) – (2/3) log2 (2/3) = 0.971

-    Info age (D)

     = (5/14) I(2,3) + (4/14) I(4,0) + (5/14) I(3,2)

     = 0.694

-   Gain (age)

     = Info (D) - Info age (D)

     = 0.940 - 0.694

     = 0.246

     

Lakukan perhitungan tersebut untuk atribut lainnya dan kemudian bandingkan nilai gain-nya. Nilai gain yang paling besar menjadi acuan awal. Dan berdasarkan grafik tree kemarin, atribut age-lah yang menjadi acuan dan memiliki nilai gain terbesar. Jika digambarkan tree pada tahap ini adalah sebagai berikut :

Langkah berikutnya adalah menentukan atribut berikutnya untuk setiap percabangan yang ada (untuk percabangan age 31..40 tidak perlu diikut sertakan dalam perhitungan karena nilai entrophy-nya adalah 0).

Hitung kembali entrophy, info, dan gain untuk setiap atribut kecuali age. Untuk menghitung gain, Info (D) yang digunakan / diacu adalah Info (D) dari percabangan bukan Info (D) awal (misal, cabang "<=30" = 0.971).

Setelah seluruh perhitungan selesai, didapatlah grafik tree yang lengkap.

Oke, demikian contoh metode klasifikasi dengan decision tree. Semoga bermanfaat.. :D

Klasifikasi : Decision Tree

Decision tree adalah salah satu metode untuk pengklasifikasian data. Dalam metode ini model dipresentasikan dalam bentuk tree. Metode ini diciptakan oleh Ross Quinlan. 

Contoh penggunaan decision tree pada data training berkiut :

Dari data tersebut, kita akan menganalisis seberapa besar kemungkinan orang yang akan membeli komputer berdasarkan atribut-atribut yang ada.

Dari data di atas diperoleh hasil/urutan sebagai berikut :

Bagaimana cara untuk mendapatkan hasil tersebut atau pemilihan urutan atribut??

Hal yang harus dilakukan adalah menghitung entrophy dan information gain.

• Entrophy : ukuran kemurnian, semakin murni, semakin homogen, semakin rendah nilainya.

• Information Gain : pengurangan entropy disebabkan oleh partisi berdasarkan suatu atribut. Semakin besar info gain atribut itu semakin membuat homogen, semakin bagus.

Pilih atribut dengan information gain yang paling besar.
Rumus untuk menghitung entrophy 2 kelas:

Rumus untuk menghitung entrophy > 2 kelas :

*Info (D) = Entrophy (D)  (istilah dibuku J. HAN).

Rumus untuk menghitung information gain :

Nah, itulah langkah dan perhitungan untuk menentukan urutan atribut. Untuk contoh perhitungannya akan dibahas dikesempatan berikutnya.. :D

3D Hologram Dalam Pendidikan

Dewasa ini perkembangan teknologi begitu cepat. Setiap jam muncul aplikasi baru untuk komputer. Menurut Gatot Hari Priowirjanto, Direktur Asosiasi Menteri Pendidikan Asia Tenggara, untuk ilmu baru yang sebatas pengetahuan bisa dikompilasi dalam waktu 10 menit, sejam atau maksimal sehari. "Kita bisa sebarkan ilmu baru itu tanpa harus melalui proses yang panjang dan sulit," katanya.

Bahkan, saat ini telah berkembang sistem pembelajaran jarak jauh berbentuk hologram tiga dimensi untuk mempercepat pembelajaran. "Kita bisa melihat dengan jelas guru, padahal mahasiswa belajar masing-masing di rumah", katanya.

"Dengan teknologi hologram kita bisa melihat secara jelas guru atau dosen di depan meja komputer. Hal itu disebabkan suara maupun gambar tiga dimensinya amat jelas".

Pembelajaran dengan memanfaatkan hologram tiga dimensi dapat menggantikan objek/peralatan real dalam praktikum di sekolah. Dan bukan tidak mungkin juga peran guru akan tergantikan dengan teknologi hologram ini.

Dampak Positif

• Efisiensi waktu.
• Berbagai kesibukan manusia untuk menghadiri banyak pertemuan bisa diwakili dengan 3D Hologram ini.
• Menghemat tenaga karena tidak perlu repot bolak-balik.
• Mobilitas yang tinggi menjadi tidak terganggu.
• Bisa mewakili bentuk asli yang sesungguhnya, sehingga orang tidak hanya membayangkan dalam otak saja.
• Bisa melakukan beberapa aktifitas di waktu yang sama.

Dampak Negatif

• Tatap muka langsung frekuensinya jadi semakin kecil.
• Orang menjadi malas untuk repot karena sudah dimanjakan oleh teknologi.

Salah satu contoh 3D hologram dalam industri periklanan :

sumber :

http://www.pikiran-rakyat.com/node/203556

http://www.pikiran-rakyat.com/node/203558

http://bukanberitabiasa.multiply.com/journal/item/2/3D-Hologram-Hadir-Mewarnai-Perkembangan-Teknologi-Komunikasi?&show_interstitial=1&u=%2Fjournal%2Fitem

AI (Artificial Intelligence) dalam Dunia Pendidikan

Artificial Intelligence (AI) atau kecerdasan buatan adalah suatu cabang ilmu pengetahuan yang berhubungan dengan  pemanfaatan mesin untuk memcahkan suatu persoalan yang rumit dengan cara manusiawi.

Ketika saya googling di google (iya lah, masa di yahoo.. -_-") tentang kecerdasan buatan dalam pendidikan, ternyata agak susah juga menemukan contohnya. 

Sampai akhirnya saya menemukan beberapa contoh dari kecerdasan buatan yang digunakan dalam pendidikan, yaitu Robot Pendidikan (Educational Robot) :

• Rhino Robot XR-2 System.
• Microbot.
• Hero-1.

Ketiga robot tersebut digunakan untuk membantu dalam proses mengajar, pengenalan, dan simulasi dari operasi robot-robot industri. Jika ingin tahu bentuknya seperti apa silahkan di googling di google.. :D

Jika saya ditanya secara spontan apa ide yang ada di pikiran saya tentang kecerdasan buatan dalam pendidikan, saya akan menjawab "bingung..". Karena tentunya harus mencari ide terlebih dahulu.

Setelah beberapa lama memikirkan hal ini (saat duduk, saat jalan, saat melamun) akhirnya saya menemukan dua buah ide, yaitu :

Pertama :

Mungkin kalian masih ingat dengan sistem komputer yang bernama JARVIS dalam film Iron Man. Komputer tersebut dapat berinteraksi dengan penggunanya layaknya orang yang sedang mengobrol.

Nah, dari sini lah saya punya ide bagaimana jika dalam mata pelajaran Bahasa Inggris ada sebuah program yang dapat membantu siswa untuk melatih percakapannya dalam bahasa Inggris. Program ini saya beri nama "English Conversation Simulator" atau "Simulator Percakapan Bahasa Inggris".

"English Conversation Simulator"

 Kedua :

Ide saya yang kedua adalah "Digital Board" atau "Papan Tulis Digital". Dibantu dengan fitur voice recognition, touch screen, dsb, papan tulis ini dapat memudahkan guru dalam menjelaskan pelajaran dan meningkatkan minat belajar siswa karena interaksi dan interface yang menarik. 

Misal, untuk menulis guru tidak perlu memakai alat tulis tetapi cukup berbicara saja dan secara otomatis apa yang dibicarakan akan tertulis pada papan tulis. Jika ingin menggambar sebuah objek, guru tinggal mengatakan objeknya apa lalu untuk mengubah bentuknya tinggal sentuh objeknya dan ubah sesuai keinginan. (khayalannya terlalu jauh ya?? tapi gak apa-apa deh.. :D)

"Digital Board"

Meskipun itu baru khayalan-khayalan semata, tapi tidak ada salahnya juga untuk berbagi.. :)