ABSTRAKSI: Data mining merupakan proses semi-otomatis untuk pengekplorasian dan penganalisaan data yang berjumlah besar gunanya untuk mendapatkan pola yang berguna. Data mining ini merupakan proses gabungan antar bidang-bidang terutama adalah machine learning, analisis statistik dan basis data. Data mining berusaha untuk menemukan kaidah dan pola dari data.
Salah satu task yang penting dalam data mining adalah classification (klasifikasi). Klasifikasi ini dapat dideskripsikan sebagai berikut: terdiri dari data input yang disebut juga sebagai training set terdiri dari sejumlah examples (record) yang masing-masing memilki sejumlah atribut atau disebut juga fitur. Adapun tujuan klasifikasi ini adalah untuk menganalisa data input dan mengembangkan sebuah model yang akurat untuk setiap kelas berdasarkan beberapa variabel prediktor.
Algoritma Soft Decision Tree - ID3 (SDT - ID3) adalah salah satu metode pengklasifikasian data. Algoritma SDT - ID3 mencari solusi dengan cara membentuk decision tree berdasarkan teori fuzzy set dimana memiliki rangkaian kemungkinan (possibility) untuk beberapa atau semua kelas pada data yang akan diuji.
Pada tugas akhir ini menganalisis performansi algoritma SDT - ID3 untuk klasifikasi data breast cancer, wine dan glass, analisis pengaruh jumlah variabel linguistik dan fungsi keanggotaan terhadap nilai performansi¸ dan analisis kelebihan algoritma SDT - ID3 pada kasus klasifikasi keempat dataset (breast cancer, wine dan glass).
Dari hasil pengujian diperoleh kesimpulan bahwa algoritma SDT - ID3 lebih akurat dibandingkan dengan algoritma J48 dikarenakan algoritma Soft Decision Tree - ID3 menggunakan soft discretization berupa fuzzy set dimana dapat menangani masalah ketidakpastian yaitu keraguan, ketidaktepatan, dan ketidaklengkapan informasi.Kata Kunci : decision tree, fuzzy set, soft discretization, akurasiABSTRACT: Data mining is the process of semi-automatic to explore and analyze large amount of data to get a useful pattern. Data mining is a process of combination between the fields is mainly machine learning, statistical analysis and database. Data mining seeks to find rules and patterns from data.
One important task in data mining is classification. This classification can be described as follows: the input consists of data that is also known as the training set consists of a number of examples (records) who each have a number of attributes or features is also called. The purpose of this classification is to analyze the data input and to develop an accurate model for each class based on several variables predictor.
Soft Decision Tree - ID3 (SDT - ID3) algorithm is one of the analyze methods data. SDT - ID3 algorithm find a solution to the decision tree is formed based on fuzzy set theory, which has a range of possibilities for some or all classes in the data that will be tested.
This final project to analyze performance data for classification SDT - ID3 with breast cancer, and the wine glass data, analysis of the influence of the number of linguistic variables and membership function of the value and performance analysis of the excess¸ algorithm in the case of SDT - ID3 third classification datasets (breast cancer, wine and glass).
Test results obtained from the conclusion that SDT - ID3 algorithm more accurate than the J4.8 algorithm as the Soft Decision Tree - ID3 algorithm uses soft discretization form of fuzzy sets which can handle the uncertainty of doubt, and incomplete information.Keyword: decision tree, fuzzy set, soft discretization, accuracy