CART (Classification and Regression Tree) adalah algoritma yang digunakan untuk membangun pohon keputusan baik untuk tujuan klasifikasi maupun regresi. Dikembangkan oleh Breiman et al. pada tahun 1986, algoritma ini telah menjadi salah satu metode standar dalam analisis data.
Mekanisme Pembentukan Pohon
Algoritma CART secara rekursif membagi dataset menjadi dua bagian berdasarkan kriteria pemisahan terbaik, seperti Gini index atau mean squared error untuk regresi. Proses ini berlanjut hingga tercapai kondisi tertentu atau tidak ada lagi pemisahan yang signifikan.
Fitur Khas CART
Berbeda dengan algoritma lain seperti ID3 atau C4.5, CART selalu menghasilkan pohon biner, artinya setiap simpul hanya memiliki dua cabang. Keunggulan ini membuat analisis dan interpretasi hasil menjadi lebih sederhana.
Peran CART dalam Machine Learning
Dalam dunia machine learning, CART sering digunakan sebagai dasar pengembangan ensemble methods seperti Random Forest dan Boosting, yang dapat meningkatkan akurasi prediksi secara signifikan.