Model Decision Tree untuk Prediksi Jadwal Kerja menggunakan Scikit-Learn

Retnani Latifah, Emi Setia Wulandari, Priadhana Edi Kreshna

Abstract


Data yang memiliki tipe kategorikal dan numerikal seperti data jadwal kerja memiliki tantangan tersendiri untuk dapat dilakukan prediksi karena data tipe kategorikal perlu perhatian khusus. Decision tree merupakan salah satu algoritma yang dapat digunakan untuk prediksi dan dapat menggunakan data kategorikal maupun data numerikal. Salah satu library yang dapat digunakan untuk menerapkan decision tree adalah scikit-learn, yang berjalan di python. Scikit-learn menerapkan optimasi dari algoritma CART dan meskipun hanya dapat mengolah data numerikal, library ini menyediakan fitur untuk menangani data kategorikal. Penelitian ini membuat model decision tree menggunakan scikit-learn untuk membuat model prediksi jadwal kerja. Data yang digunakan berjumlah 54 data dengan 3 variabel kategorikal dan 1 variabel numerikal. Dari hasil penerapan diperoleh sebuah model decision tree dengan kedalaman pohon adalah 6. Hasil evaluasinya menunjukkan hasil yang baik yaitu nilai akurasi mencapai di atas 0,7 dan presisi mencapai di atas 0,9. Persentase pemisahan data terbaik adalah dengan menggunakan 30% data uji dan 70% data latih. Saat dibandingkan, model decision tree memiliki akurasi yang lebih baik dibandingkan KNN, di mana akurasi decision tree dapat mencapai angka di atas 0,8 sedangkan KNN dibawah itu.

Full Text:

PDF

References


Achamad, B. D. M., & Slamat, F. (2012). Klasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree. Jurnal IPTEK, 16(1), 17–23.

Aguilar-chinea, R. M., Castilla, I., Expósito, C., Aguilar-chinea, R. M., Castilla, I., Moreno-vega, J. M., & Moreno-vega, J. M. (2019). Using a decision tree algorithm to predict the robustness of a transshipment schedule. Procedia Computer Science, 149, 529–536. https://doi.org/10.1016/j.procs.2019.01.172

Ceballos, F. (2019). Scikit-Learn Decision Trees Explained - Training, Visualizing, and Making Predictions with Decision Trees. Retrieved from https://towardsdatascience.com/scikit-learn-decision-trees-explained-803f3812290d

Ellson, J., Gansner, E., Koutsofios, L., North, S., & Woodhull, G. (2001). Graphviz - Open Source Graph Drawing Tools. In Lecture Notes in Computer Science (pp. 483–484). Springer-Verlag. Retrieved from https://graphviz.gitlab.io/

Floares, A. G., Calin, G. A., & Manolache, F. B. (2016). Bigger Data is Better for Molecular Diagnosis Tests Based on Decision Trees. In In: Tan Y., Shi Y. (eds) Data Mining and Big Data. DMBD 2016. Lecture Notes in Computer Science, vol 9714 (pp. 288–295). Springer, Cham. https://doi.org/https://doi.org/10.1007/978-3-319-40973-3_29

Loh, W. (2011). Classification and Regression Trees. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, (January 2011). https://doi.org/10.1002/widm.8

Navlani, A. (2018). Decision Tree Classification in Python. Retrieved from https://www.datacamp.com/community/tutorials/decision-tree-classification-python

Ochiai, Y., Masuma, Y., & Tomii, N. (2019). Improvement of timetable robustness by analysis of drivers’ operation based on decision trees. Journal of Rail Transport Planning & Management, 9(March), 57–65. https://doi.org/10.1016/j.jrtpm.2019.03.001

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., … Duchesnay, E. (2011). Scikit-learn: Machine Learning in {P}ython. Journal of Machine Learning Research, 12, 2825--2830.

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., … Duchesnay, E. (2019). Decision Tree. Retrieved from https://scikit-learn.org/stable/modules/tree.html

Ridok, A., & Latifah, R. (2015). Klasifikasi Teks Bahasa Indonesia Pada Corpus Tak Seimbang Menggunakan NWKNN. In Konferensi Nasional Sistem & Informatika 2015 (pp. 9–10).

Topîrceanu, A., & Grosseck, G. (2017). Decision tree learning used for the classification of student archetypes in online courses. Procedia Computer Science, 112, 51–60. https://doi.org/10.1016/j.procs.2017.08.021

Vaish, P. (2017). Decision Trees in scikit-learn. Retrieved August 14, 2019, from https://adataanalyst.com/scikit-learn/decision-trees-scikit-learn/


Refbacks

  • There are currently no refbacks.


==============================================================================================================

Prosiding SEMNASTEK Fakultas Teknik
Universitas Muhammadiyah Jakarta
Jl. Cempaka Putih Tengah 27
Jakarta Pusat 10510
T. 021.4256024, 4244016 / F. 021.4256023

ISSN : 2407 – 1846
e-ISSN : 2460 – 8416

==============================================================================================================

Powered by Puskom-UMJ