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: