execute R

dataseratus <- read.csv("C:/Desktop/dataseratus.csv")

View(dataseratus)

str(dataseratus)

table(dataseratus$Prediksi)

table(dataseratus$Global_intensity)

table(dataseratus$Voltage)

table(dataseratus$Global_re_aktiv)

table(dataseratus$Global_aktiv)

dataseratus$Prediksi<-as.factor(dataseratus$Prediksi)

summary(dataseratus$Global_re_aktiv)

summary(dataseratus$Voltage)

summary(dataseratus$Global_aktiv)

summary(dataseratus$Global_intensity)

set.seed(1000)

dataseratus_train <-dataseratus[2:9000,]

dataseratus_test <-dataseratus[9001:10002,]

prop.table(table(dataseratus_train$Prediksi))

prop.table(table(dataseratus_test$Prediksi))

View(dataseratus_train)

View(dataseratus_test)

library(C50)

dataseratus_model <- C5.0(dataseratus_train[1:5],dataseratus_train$Prediksi)

dataseratus_model

dataseratus_model$tree

plot(dataseratus_model)

summary(dataseratus_model)

dataseratus_pred<-predict(dataseratus_model,dataseratus_test)

library (gmodels)

CrossTable(dataseratus_test$Prediksi,dataseratus_pred,prop.chisq=FALSE,Prop.r=FALSE,dnn=c('actual prediksi','predicted prediksi'))