Algoritma bekerja dengan baik pada dataset kecil.
Visualisasi pohon memudahkan pemahaman aturan keputusan.
Kekurangan:
Hasil dapat berubah jika dataset sedikit dimodifikasi.
Rentan terhadap overfitting pada dataset yang kompleks
2.5 Studi Kasus
   Kasus Nyata:
   Menggunakan Decision Tree untuk memprediksi kelayakan kredit:
Dataset: Data pelanggan bank termasuk usia, penghasilan, riwayat kredit, dan status pinjaman sebelumnya.
Tujuan: Mengklasifikasikan calon debitur ke dalam kategori "layak kredit" atau "tidak layak kredit".
 Hasil: Pohon keputusan menunjukkan atribut "riwayat kredit" memiliki Information Gain   tertinggi, diikuti oleh "penghasilan".
Beri Komentar
Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!