Description

Dataset untuk project ini saya ambil dari https://www.kaggle.com/datasets/priy998/golf-play-dataset

Setelah mengunduh dataset tersebut, ubah data pada kolom Decision. Untuk kata “No” diubah menjadi 0 sedangkan untuk kata “Yes” diubah menjadi 1, pengubahan ini untuk mempermudah proses klasifikasi.

Langkah pertama adalah melakukan import library yang diperlukan:

Lalu membaca dataset yang sudah kita download tadi:

Setelah itu menentukan fitur prediktor yang dalam hal ini diwakili oleh x dan fitur target yang diwakili oleh y:

Setelah itu melakukan teknik one-hot encoding agar data kategorik dapat berubah menjadi data numerik:

Maka akan menampilkan sebagai berikut:

Kemudian hapus 4 fitur asli dari 4 fitur tersebut karena akan digantikan dengan fitur hasil one-hot encoding:

Lalu gabungkan fitur hasil one-hot encoding dengan fitur target ke dalam dataset:

Maka akan tampil sebagai berikut:

Setelah itu melakukan teknik split (pemisahan antara data training dan data uji) dalam hal ini test size nya sebanyak 20% dari dataset, 80% adalah data training:

Setelah itu lakukan pemodelan dengan algoritma Decision Tree (ID3) berdasarkan kriteria entropi:

Setelah itu melakukan pengujian terhadap data testing yang sudah disiapkan:

Setelah melakukan uji, kemudian hitung nilai akurasi dari model tersebut:

Maka akan tampil sebagai berikut:

Jadi dapat disimpulkan bahwa klasifikasi terkait kemungkinan seorang bermain Golf menggunakan algoritma Decision Tree memiliki akurasi sebesar 66%.

Untuk Source Code dari program klasifikasi ini dapat dilihat di link berikut: https://github.com/jeremyascornelis/ai-projects/tree/main/golf-decisionTree