Bahasa R

# Mengimpor dataset
dataset = read.csv('Iklan_sosmed.csv')
dataset = dataset[3:5]

# Encode variabel Beli sebagai faktor
dataset$Beli = factor(dataset$Beli, levels = c(0, 1))

# Membagi data ke dalam Training set and Test set
# install.packages('caTools')
library(caTools)
set.seed(123)
split = sample.split(dataset$Beli, SplitRatio = 0.75)
training_set = subset(dataset, split == TRUE)
test_set = subset(dataset, split == FALSE)

# Feature Scaling
training_set[, 1:2] = scale(training_set[, 1:2])
test_set[, 1:2] = scale(test_set[, 1:2])

# Membuat model Decision Tree Classification ke Training Set
# install.packages('rpart')
library(rpart)
classifier = rpart(formula = Beli ~ .,
                   data = training_set)

# Memprediksi hasil Test Set
y_pred = predict(classifier, newdata = test_set[1:2], type = 'class')

# Membuat Confusion Matrix
cm = table(test_set[, 3], y_pred)

# Visualisasi hasil Training Set
library(ElemStatLearn)
set = training_set
X1 = seq(min(set[, 1]) - 1, max(set[, 1]) + 1, by = 0.01)
X2 = seq(min(set[, 2]) - 1, max(set[, 2]) + 1, by = 0.01)
grid_set = expand.grid(X1, X2)
colnames(grid_set) = c('Usia', 'EstimasiGaji')
y_grid = predict(classifier, newdata = grid_set, type = 'class')
plot(set[, 1:2],
     main = 'Decision Tree Classification (Training set)',
     xlab = 'Usia', ylab = 'Estimasi Gaji',
     xlim = range(X1), ylim = range(X2))
contour(X1, X2, matrix(as.numeric(y_grid), length(X1), length(X2)), add = TRUE)
points(grid_set, pch = '19', col = ifelse(y_grid == 1, 'springgreen3', 'tomato'))
points(set, pch = 21, bg = ifelse(set[, 3] == 1, 'green4', 'red3'))

# Visualisasi hasil Test Set
library(ElemStatLearn)
set = test_set
X1 = seq(min(set[, 1]) - 1, max(set[, 1]) + 1, by = 0.01)
X2 = seq(min(set[, 2]) - 1, max(set[, 2]) + 1, by = 0.01)
grid_set = expand.grid(X1, X2)
colnames(grid_set) = c('Usia', 'EstimasiGaji')
y_grid = predict(classifier, newdata = grid_set, type = 'class')
plot(set[, 1:2], main = 'Decision Tree Classification (Test set)',
     xlab = 'Usia', ylab = 'Estimasi Gaji',
     xlim = range(X1), ylim = range(X2))
contour(X1, X2, matrix(as.numeric(y_grid), length(X1), length(X2)), add = TRUE)
points(grid_set, pch = '19', col = ifelse(y_grid == 1, 'springgreen3', 'tomato'))
points(set, pch = 21, bg = ifelse(set[, 3] == 1, 'green4', 'red3'))

# Plotting the tree
plot(classifier)
text(classifier)

Penjelasan:

• Line 2 mengimpor datasetnya.
• Line 3 melakukan slicing. Kita hanya butuh kolom Usia, Gaji dan Beli.
• Line 6 mengonversi kolom Beli sebagai faktor (categorical).
• Line 9 menginstall library caTools. Jika pembaca belum menginstallnya, maka cukup hilangkan tanda pagar.
• Line 10 menjalankan library caTools.
• Line 11 menentukan random number generator (RNG) 123, sehingga jika pembaca ingin menduplikasikan hasil olah data akan selalu sama hasilnya untuk RNG yang sama.
• Line 12-14 membagi data ke training set dan test set.
• Line 17-18 melakukan feature scaling.
• Line 21 menginstall library rpart. Jika di Rstudio Anda belum terinstall, cukup hilangkan tanda pagar (#).
• Line 22 menjalankan library rpart.
• Line 23 mendefinisikan variabel classifier sekaligus membuat model decision tree classification-nya dengan variabel dependen (y)-nya adalah kolom Beli. Cukup menuliskan tanda ~ di R, maka dia akan memasukkan semua variabel independen yang ada di dataset secara otomatis.
• Line 27 mendefinisikan variabel y_pred untuk memprediksi hasil test set dari model yang sudah dibuat di line 23.
• Line 30 membuat confusion matrixnya. Jika diketik cm di console maka akan tampak sebagai berikut:

Tabel confusion matrix di atas menunjukkan bahwa prediksi kita cukup baik. Dari 100 prediksi test set, kita salah sebanyak 17 kali, sehingga akurasinya adalah 83%. Akurasi yang masih baik.

• Line 33 menjalankan library ElemStatLearn untuk visualisasi hasil model.
• Line 34-46 adalah perintah untuk visualisasi hasil model terhadap training set. Jika dieksekusi maka tampak sebagai berikut:

Zona merah adalah zona di mana data pelanggan memutuskan untuk tidak membeli. Sementara zona hijau adalah zona di mana pelanggan memutuskan untuk membeli. Dua zona ini adalah hasil dari model decision tree yang dibuat.

Titik-titik adalah data pelanggan. Titik merah adalah data pelanggan yang memutuskan untuk tidak membeli, sementara titik hijau adalah data pelanggan memutuskan untuk membeli mobil.

Titik merah yang berada di zona hijau adalah prediksi yang salah. Begitu juga dengan titik hijau yang berada di zona merah juga merupakan prediksi yang salah.

• Line 49-61 adalah perintah untuk visualisasi hasil model terhadap test set. Jika dieksekusi maka tampak sebagai berikut:

Hasil visualisasi test set cukup baik. Seperti yang di bahas di bagian confusion matrix di atas, terlihat bahwa dari 100 prediksi, model ini hanya meleset sebanyak 17 titik. Dengan begitu, akurasinya 83%. Nilai akurasi ini juga bisa dilihat di confusion matrix di line sebelumnya.

• Line 64-65 adalah perintah untuk memplot diagram pohon dari variabel classifier. Jika dijalankan akan tampak sebagai berikut:

Bisa dilihat bahwa diagram ini membentuk 2 kelompok, yaitu 0 (tidak beli) dan 1 (beli). Menarik bukan?

Oleh karena itu, melalui model decision tree yang sudah dibuat, kita sarankan kepada pemilik showroom mobil untuk mengiklankan produknya di zona hijau. Dengan demikian, probabilitas (peluang) calon pelanggan setelah melihat iklannya akan naik.

---

Saya harap pembaca bisa memahami teknik decision tree ini dan tentunya bisa mengaplikasikannya untuk memecahkan persoalan nyata.

Terus kunjungi web saya untuk belajar bersama teknik AI lainnya.

Terima kasih.

Pages: 1 2 3