ABSTRAKSI: Data Mining merupakan solusi yang mampu menemukan pola dan aturan (rule) dari sekumpulan data yang besar. Dari aspek bisnis, data mining mempunyai kandungan informasi yang potensial. Data mining mampu menemukan informasi yang tersembunyi.
C&RT (Classification and Regression Trees) merupakan salah satu metode atau algoritma dari salah satu teknik eksplorasi data yaitu teknik pohon keputusan atau disebut juga decision tree. Decision tree merupakan salah satu metode klasifikasi yang menarik karena mudah diinterpretasikan oleh manusia, dapat dibentuk relatif cepat dibanding metode lain, dan memiliki akurasi yang baik pada hasil klasifikasinya.
C&RT memiliki waktu Pembentukan Tree yang relatif lebih Lama dibandingkan dengan metode klasifikasi menggunakan decision tree yang lainnya. Karena akurasi dari C&RT yang baik dalam klasifikasi data, pada Tugas Akhir ini dilakukan penelitian untuk mengoptimasi pembentukan tree pada C&RT. Optimasi dilakukan dengan cara sampling data latih untuk mempercepat split pada pembentukan tree.Kata Kunci : data mining, klasifikasi, decision tree, C&RTABSTRACT: Data Mining is a solution that can find patern and rule from large data. From bussiness aspect, data mining have a potential information. Data mining can discover hidden information.
C&RT (Classification and Regression Tree) is a method or algorithm from one of the data exploration technique that is decision tree. Decision tree is a interesting classification method because easy to understand by people, constructed more fast, and have good accuration on the classification result.
If it compared with other classification method, C&RT is need long time in tree construction. Because the accuration of C&RT is good for data classification, on this final poject will do a research to optimize tree construction on C&RT. Sampling the data is used to accelerate splitting root of tree in tree construction.
Keyword: data mining, classification, decision tree, C&RT