Mohon tunggu...
FAHMI ZAKI DARMAWAN
FAHMI ZAKI DARMAWAN Mohon Tunggu... Mahasiswa - MAHASISWA UIN MAULANA MALIK IBRAHIM MALANG PROGRAM STUDI TEKNIK INFORMATIKA

DATA ANALYS

Selanjutnya

Tutup

Ilmu Alam & Tekno

PENGEMBANGAN DECISSION TREE ADAPTIF dengan MEKANISME PRUNING DINAMIS untuk PREDIKSI KELAYAKAN KREDIT

11 Desember 2024   12:00 Diperbarui: 11 Desember 2024   11:37 54
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Ilmu Alam dan Teknologi. Sumber ilustrasi: PEXELS/Anthony

1. Metrik Kinerja:
Model ini diuji pada dataset kredit standar. Parameter yang diukur meliputi:

Akurasi: Proporsi prediksi yang benar terhadap keseluruhan data.

Efisiensi Komputasi: Waktu yang dibutuhkan untuk pelatihan dan prediksi.

Interpretasi: Kemudahan memahami struktur pohon.

2. Hasil Eksperimen

Akurasi: Model DPM mencapai rata-rata akurasi 94,2%, meningkat dibandingkan DT tradisional yang hanya mencapai 88%.

Struktur Pohon: Kedalaman pohon berkurang rata-rata 30%, menghasilkan model yang lebih sederhana dan lebih mudah diinterpretasikan.

Efisiensi Waktu: Waktu pelatihan model berkurang hingga 15% dibandingkan metode post-pruning.

3. Analisis

DPM memberikan solusi yang efektif untuk mengurangi overfitting tanpa menambah beban komputasi yang signifikan. Namun, kompleksitas pruning adaptif pada dataset yang sangat besar memerlukan optimasi lebih lanjut.

Kelebihan:

HALAMAN :
Mohon tunggu...

Lihat Konten Ilmu Alam & Tekno Selengkapnya
Lihat Ilmu Alam & Tekno Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun