Pohon Keputusan: Contoh Kasus Dan Pembahasannya

May 3, 2026 by ADMIN 48 views

Guys, pernah nggak sih kalian dihadapkan pada pilihan yang bikin pusing tujuh keliling? Mau ambil keputusan A, tapi takut ada risiko X. Mau ambil B, tapi potensial keuntungannya nggak sebesar A. Nah, dalam dunia data science dan machine learning, ada satu alat bantu keren banget buat ngadepin situasi kayak gini, namanya Pohon Keputusan (Decision Tree). Artikel ini bakal ngebahas tuntas contoh kasus pohon keputusan biar kalian makin paham cara kerjanya dan gimana bisa ngambil keputusan yang lebih cerdas. Siap?

Apa Itu Pohon Keputusan? Kenalan Dulu Yuk!

Sebelum kita lompat ke contoh kasus pohon keputusan, penting banget nih buat kita ngerti dasar-dasarnya dulu. Jadi, Pohon Keputusan itu ibarat peta jalan buat ngambil keputusan. Bentuknya mirip pohon beneran, tapi kebalik. Ada akarnya, batangnya, rantingnya, sampai daunnya. Setiap node atau titik percabangan di pohon ini ngewakilin sebuah pertanyaan tentang atribut atau fitur data kita. Terus, setiap cabang dari node itu ngewakilin jawaban dari pertanyaan tersebut. Nah, ujung-ujungnya, di daun pohon (disebut leaf nodes), kita bakal nemuin hasil atau keputusan akhir.

Kenapa sih pohon keputusan ini populer banget? Salah satunya karena mudah dipahami dan diinterpretasikan, bahkan buat orang yang awam banget soal coding atau machine learning. Visualisasinya yang jelas bikin kita bisa ngikutin alur logikanya dari awal sampai akhir. Selain itu, pohon keputusan juga bisa ngasih tau kita fitur mana aja yang paling penting dalam ngambil keputusan. Keren, kan? Dengan kemampuan ini, kita bisa fokus sama informasi yang paling relevan dan nggak buang-buang waktu mikirin hal-hal sepele.

Prinsip dasarnya gini, guys. Pohon keputusan bekerja dengan cara memecah dataset yang kompleks menjadi bagian-bagian yang lebih kecil dan lebih mudah dikelola. Proses ini disebut recursive partitioning. Dimulai dari root node (akar), data akan dibagi berdasarkan nilai dari atribut tertentu yang paling efektif memisahkan data. Efektivitas pemisahan ini biasanya diukur pakai metrik kayak Gini Impurity atau Information Gain. Semakin besar Gini Impurity atau Information Gain, semakin bagus pemisahan yang dilakukan oleh atribut tersebut. Nanti, proses pemisahan ini berlanjut ke child nodes sampai kita mencapai leaf nodes yang udah nggak bisa dibagi lagi atau udah memenuhi kriteria berhenti tertentu. Misalnya, kalau semua data di satu node udah punya label yang sama, yaudah berhenti di situ.

Penting juga buat diingat, pohon keputusan ini bisa dipakai buat dua jenis masalah: klasifikasi (nentuin kategori, misalnya email ini spam atau bukan) dan regresi (nentuin nilai numerik, misalnya harga rumah). Fleksibilitasnya ini yang bikin dia jadi salah satu algoritma favorit banyak orang.

Memahami Konsep Kunci dalam Pohon Keputusan

Biar makin nyambung sama contoh kasus pohon keputusan nanti, yuk kita bedah beberapa konsep kunci yang sering muncul. Paham ini bakal bikin kalian kayak udah punya cheat sheet pas lagi belajar.

1. Root Node (Node Akar)

Ini adalah titik awal dari pohon keputusan kita, guys. Ibaratnya, ini pertanyaan paling pertama dan paling penting yang harus kita jawab. Root node mewakili atribut atau fitur yang paling baik dalam memisahkan dataset kita secara keseluruhan. Pemilihan atribut untuk root node ini krusial banget karena akan menentukan struktur awal dari pohon yang terbentuk. Algoritma pohon keputusan akan memilih atribut yang punya nilai Gini Impurity paling rendah atau Information Gain paling tinggi untuk dijadikan root node. Tujuannya adalah agar pembagian data di awal ini bisa menghasilkan dua kelompok data yang sehomogen mungkin dari segi target kelasnya.

2. Internal Node (Node Internal)

Setelah root node, kita bakal ketemu sama internal nodes. Node-node ini mewakili pertanyaan-pertanyaan selanjutnya tentang atribut lain. Setiap internal node akan memiliki dua atau lebih cabang yang mewakili kemungkinan jawaban dari pertanyaan tersebut. Proses percabangan ini terus berlanjut, memecah data menjadi subset yang lebih kecil berdasarkan jawaban-jawaban tersebut. Konsepnya mirip kayak kalau kita lagi main tebak-tebakan, setiap pertanyaan yang kita ajukan (di internal node) akan mempersempit kemungkinan jawabannya. Semakin dalam kita masuk ke pohon, semakin spesifik pertanyaan yang diajukan, dan semakin kecil pula subset data yang kita hadapi.

3. Leaf Node (Node Daun)

Ini adalah ujung dari setiap cabang, guys. Leaf nodes atau terminal nodes mewakili hasil akhir atau keputusan. Di sini nggak ada lagi percabangan. Kalau kita ngikutin jalur dari root node sampai ke leaf node, kita akan mendapatkan prediksi atau klasifikasi akhir. Misalnya, dalam kasus prediksi cuaca, leaf node bisa berupa 'Hujan', 'Cerah', atau 'Berawan'. Untuk kasus klasifikasi email, bisa jadi 'Spam' atau 'Bukan Spam'. Setiap leaf node biasanya berisi label kelas yang paling dominan dari data yang berakhir di sana, atau bisa juga berupa nilai prediksi rata-rata untuk kasus regresi. Ini adalah kesimpulan dari semua pertanyaan yang sudah kita lewati.

4. Branch (Cabang)

Branches atau edges adalah garis yang menghubungkan antar node. Mereka mewakili aturan atau kondisi berdasarkan jawaban dari pertanyaan di node tersebut. Misalnya, jika internal node bertanya 'Apakah suhu > 30°C?', maka akan ada dua cabang: 'Ya' dan 'Tidak'. Setiap cabang akan membawa kita ke node selanjutnya atau ke leaf node jika itu adalah akhir dari jalur.

5. Splitting Criteria (Kriteria Pemisahan)

Nah, ini bagian penting yang menentukan gimana cara pohon memutuskan untuk memecah data. Ada dua kriteria utama yang sering dipakai: Gini Impurity dan Information Gain.

Gini Impurity: Mengukur tingkat ketidakmurnian atau keragaman dalam sebuah node. Nilai Gini Impurity 0 berarti semua data dalam node tersebut memiliki kelas yang sama (murni), sedangkan nilai yang lebih tinggi menunjukkan keragaman yang lebih besar. Algoritma akan memilih atribut yang menghasilkan Gini Impurity terendah setelah pemisahan.
Information Gain: Mengukur seberapa banyak informasi yang kita dapatkan tentang target kelas setelah membagi data berdasarkan atribut tertentu. Atribut yang memberikan Information Gain paling besar akan dipilih untuk pemisahan. Ini mirip kayak kita dapet petunjuk baru yang paling berharga.

Kedua kriteria ini punya tujuan yang sama: menemukan pemisahan terbaik yang bisa membagi data menjadi kelompok-kelompok yang lebih homogen.

6. Pruning (Pemangkasan)

Pohon keputusan yang terlalu dalam bisa jadi overfitting, alias terlalu 'menghafal' data latihannya dan nggak bagus kalau ketemu data baru. Pruning adalah teknik untuk mengatasi ini. Caranya, kita memangkas atau menghapus beberapa cabang yang dianggap kurang penting. Tujuannya biar pohonnya jadi lebih sederhana, lebih general, dan performanya lebih baik di data yang belum pernah dilihat sebelumnya. Ada dua jenis pruning: pre-pruning (menghentikan pertumbuhan pohon sebelum terlalu dalam) dan post-pruning (memangkas pohon setelah tumbuh penuh).

Contoh Kasus Pohon Keputusan: Prediksi Cuaca Sederhana

Oke, guys, sekarang kita masuk ke bagian yang paling seru: contoh kasus pohon keputusan! Kita ambil contoh yang paling gampang dipahami, yaitu prediksi cuaca harian. Bayangin kita punya data historis tentang cuaca dan kita mau bikin model pohon keputusan buat nebak besok bakal cerah atau hujan.

Misalnya, kita punya beberapa fitur (atribut) yang kita anggap penting: Suhu, Kelembaban, dan Angin.

Dan target kita adalah: Cuaca Besok (Cerah atau Hujan).

Mari kita coba bangun pohon keputusannya:

Root Node (Node Akar): Algoritma akan menganalisis data historis dan menentukan atribut mana yang paling efektif memisahkan data antara 'Cerah' dan 'Hujan'. Misalkan, setelah dihitung pakai Gini Impurity atau Information Gain, ternyata atribut Suhu adalah yang paling baik sebagai pemisah awal.
- Pertanyaan di Root Node: Apakah Suhu > 25°C?
**Branches (Cabang):
- Cabang 1: Ya (Suhu > 25°C)
- Cabang 2: Tidak (Suhu <= 25°C)
**Internal Nodes (Node Internal) dan Percabangannya:
- Jika 'Ya' (Suhu > 25°C): Kita perlu pertanyaan lagi untuk membedakan lebih lanjut. Misalkan, atribut Kelembaban dianggap paling relevan sekarang.
  - Pertanyaan di Internal Node: Apakah Kelembaban > 70%?
  - Cabang 1.1: Ya (Kelembaban > 70%)
  - Cabang 1.2: Tidak (Kelembaban <= 70%)
- Jika 'Tidak' (Suhu <= 25°C): Mungkin atribut Angin lebih penting di kondisi suhu yang lebih sejuk ini.
  - Pertanyaan di Internal Node: Apakah Angin Kencang?
  - Cabang 2.1: Ya (Angin Kencang)
  - Cabang 2.2: Tidak (Angin Tidak Kencang)
**Leaf Nodes (Node Daun) - Hasil Akhir:

Sekarang kita sampai di ujung pohon, di mana kita menentukan hasil prediksi cuaca.
- Dari Cabang 1.1 (Suhu > 25°C DAN Kelembaban > 70%): Kemungkinan besar ini kondisi yang nggak nyaman dan berpotensi hujan. Prediksi: Hujan.
- Dari Cabang 1.2 (Suhu > 25°C DAN Kelembaban <= 70%): Suhu panas tapi nggak lembab, kemungkinan besar cerah. Prediksi: Cerah.
- Dari Cabang 2.1 (Suhu <= 25°C DAN Angin Kencang): Meskipun nggak panas, angin kencang bisa jadi pertanda perubahan cuaca. Prediksi: Hujan.
- Dari Cabang 2.2 (Suhu <= 25°C DAN Angin Tidak Kencang): Kondisi sejuk dan angin nggak kencang, paling enak buat beraktivitas. Prediksi: Cerah.

Jadi, kalau kita rangkum pohon keputusannya jadi kayak gini:

           [Suhu > 25°C?]
           /           \
        Ya           Tidak
       /               \
[Kelembaban > 70%?] [Angin Kencang?]
   /     \         /        \
 Ya      Tidak    Ya        Tidak
  |        |       |          |
Hujan    Cerah   Hujan      Cerah

Gimana, guys? Cukup jelas kan alurnya? Dari data Suhu, Kelembaban, dan Angin, kita bisa bikin prediksi Cuaca Besok. Pohon ini ngasih tau kita gimana setiap fitur berkontribusi dalam proses pengambilan keputusan.

Contoh Kasus Pohon Keputusan Lain: Klasifikasi Email Spam

Biar makin mantap, yuk kita coba contoh kasus pohon keputusan yang lain, yaitu membedakan email spam atau bukan (ham).

Fitur yang bisa kita pakai (tentu saja ini disederhanakan ya, aslinya banyak banget fiturnya):

Ada kata 'Gratis'? (Ya/Tidak)
Jumlah tanda seru '!!!'? (Sedikit/Banyak)
Pengirim dikenal? (Ya/Tidak)

Target:

Kategori Email: Spam / Bukan Spam

Mari kita rancang pohon keputusannya:

Root Node: Misalkan, fitur 'Ada kata "Gratis"?' adalah pemisah terbaik di awal.
- Pertanyaan: Apakah email mengandung kata 'Gratis'?
Branches:
- Ya
- Tidak
Internal Nodes dan Percabangan:
- Jika 'Ya' (Mengandung 'Gratis'): Karena kata 'Gratis' sering banget muncul di email spam, kita perlu cek indikator lain.
  - Pertanyaan: Apakah jumlah tanda seru '!!!' Banyak?
  - Cabang 1.1: Ya
  - Cabang 1.2: Tidak
- Jika 'Tidak' (Tidak mengandung 'Gratis'): Kalau nggak ada kata 'Gratis', kemungkinan besar bukan spam, tapi kita cek lagi buat mastiin.
  - Pertanyaan: Apakah Pengirim dikenal?
  - Cabang 2.1: Ya
  - Cabang 2.2: Tidak
Leaf Nodes (Hasil Akhir):
- Dari Cabang 1.1 (Ada 'Gratis' DAN Tanda Seru Banyak): Kombinasi klasik email spam. Prediksi: Spam.
- Dari Cabang 1.2 (Ada 'Gratis' TAPI Tanda Seru Sedikit): Mungkin email promosi biasa, belum tentu spam. Prediksi: Bukan Spam.
- Dari Cabang 2.1 (Tidak Ada 'Gratis' DAN Pengirim Dikenal): Ini sangat mungkin email penting. Prediksi: Bukan Spam.
- Dari Cabang 2.2 (Tidak Ada 'Gratis' TAPI Pengirim Tidak Dikenal): Ini agak mencurigakan, tapi tanpa kata kunci spam, kita anggap bukan spam dulu. Prediksi: Bukan Spam.

Struktur pohon keputusannya:

        [Ada 'Gratis'?]
        /            \
      Ya            Tidak
     /                \
[Tanda Seru Banyak?] [Pengirim Dikenal?]
   /       \        /          \
 Ya       Tidak   Ya          Tidak
  |         |      |            |
Spam    Bukan Spam Bukan Spam  Bukan Spam

Dalam contoh ini, kita lihat bagaimana kombinasi fitur-fitur sederhana bisa membantu model membuat prediksi. Perhatikan bagaimana kita bisa melakukan pruning secara implisit di sini. Kalau kita punya lebih banyak data, mungkin kita bisa menemukan aturan yang lebih kompleks, tapi untuk saat ini, pohon ini sudah cukup informatif.

Kelebihan dan Kekurangan Pohon Keputusan

Setiap alat pasti punya kelebihan dan kekurangan, kan? Pohon keputusan juga gitu. Biar makin komprehensif, yuk kita bahas:

Kelebihan Pohon Keputusan:

Mudah Dipahami dan Diinterpretasikan: Ini keunggulan utamanya. Visualisasinya bikin gampang dibaca sama siapa aja. Cocok buat presentasi ke klien atau tim yang nggak ngerti teknis.
Tidak Memerlukan Normalisasi Data: Nggak perlu repot-repot mikirin skala data yang beda-beda. Pohon keputusan bisa kerja baik dengan data numerik maupun kategorikal.
Bisa Menangani Data Kategorikal dan Numerik: Fleksibel banget, bisa dipakai di berbagai jenis data.
Mengidentifikasi Fitur Penting: Kita bisa lihat fitur mana yang paling berpengaruh dalam pengambilan keputusan, ini berguna buat feature selection.
Relatif Cepat untuk Prediksi: Setelah pohon dibuat, proses prediksi data baru itu cepet banget.

Kekurangan Pohon Keputusan:

Rentan Terhadap Overfitting: Kalau pohonnya terlalu dalam, bisa jadi nggak bagus buat data baru. Makanya perlu pruning.
Instabilitas: Perubahan kecil pada data latih bisa ngasilin pohon yang beda banget. Ini bikin hasilnya kurang stabil.
Bias Terhadap Fitur dengan Jumlah Kategori Banyak: Atribut yang punya banyak pilihan kategori cenderung lebih dipilih, padahal belum tentu itu yang terbaik.
Membuat Pohon yang Optimal Itu NP-Complete: Secara teori, nemuin pohon keputusan yang paling optimal itu susah banget secara komputasi.

Kesimpulan: Pohon Keputusan, Sahabat Pengambil Keputusan

Nah, guys, gimana? Udah mulai kebayang kan gimana cara kerja pohon keputusan dan gimana kita bisa pakai contoh kasus pohon keputusan buat nyelesaiin masalah nyata? Pohon keputusan itu alat yang powerful tapi juga intuitif. Kemampuannya buat memvisualisasikan proses pengambilan keputusan bikin dia jadi favorit banyak data scientist.

Ingat ya, kunci dari pohon keputusan yang bagus itu ada di pemilihan atribut di setiap node. Semakin cerdas kita memecah data, semakin akurat pula prediksi yang dihasilkan. Jangan lupa juga pentingnya pruning biar model kita nggak overfitting dan bisa digeneralisasi dengan baik di data baru. Dengan memahami contoh kasus pohon keputusan dan konsep-konsep dasarnya, kalian udah selangkah lebih maju dalam menguasai salah satu teknik machine learning yang paling fundamental ini. Jadi, kalau nanti dihadapkan pada pilihan sulit, coba deh bayangin bikin pohon keputusan sendiri. Siapa tahu, keputusan kalian jadi lebih terarah dan efektif! Selamat mencoba!