Algoritma Bayesian Classification - Skripsi Teknik Informatika

Mungkin sebagian dari anda sudah sedikit tau tentang judul artikel diatas, tapi kali ini saya akan mengulas bagi anda yang membutuhkan referensi tentang metode bayes ini. Bayesian classification adalah pengklasifikasian statistik yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class.

BC didasarkan pada teorema Bayes yg memiliki kemampuan klasifikasi serupa dengan decision tree dan neural network dan memiliki akurasi dan kecepatan yg tinggi saat diaplikasikan ke dalam database yg besar. Dibawah ini adalah bentuk umum dari teorima bayes


Bentuk umum teorema Bayes

Keterangan :

X : data dengan class yang belum diketahui

H : hipotesis data X

P(HIX) : probabilitas hipotesis H berdasar kondisi X(posteriori probability)

P(H) : probabilitas hipotesis H (prior porbability)

P(XIH) : probabilitas X berdasar  kondisi pada hipotesis H

P(X) : probabilitas dari X

Contoh

Baca juga Jasa Bimbingan Skripsi Teknik Informatika

Contoh Lanjutan :

Dari tabel diatas, terdpt 2 class dari klasifikasi yg dibentuk, yaitu:

C1 = buys_computer = yes
C2 = buys_cumputer = no

Misalnya, terdapat data X yang belum diketahui class-nya dengan data sbb:
 
X=(age=“<=30”, income=“medium”, student=“yes”, credit_rating=“fair”) Buys_computer ?

Penyelesaian

• Dibutuhkan utk memaksimalkan:

P(XICi) P(Ci) untuk i=1,2

• P(Ci) merupakan prior probability utk setiap class berdasarkan data, contoh:

-P(buys_computer=“yes”)= 9/14 = 0,643

-P(buys_computer=“no”)= 5/14 = 0,357

            Hitung P(XICi) utk i=1,2

• P(age=“<30” I buys_computer=“yes”)=2/9=0,222

• P(age=“<30” I buys_computer=“no”)=3/5=0,6

• P(income=“medium” I buys_computer=“yes”)=4/9=0,444

• P(income=“medium” I buys_computer=“no”)=2/5=0,4

          Hitung P(XICi) utk i=1,2

• P(student=“yes” I buys_computer=“yes”)=6/9=0,667

• P(student=“yes” I buys_computer=“no”)=1/5=0,2

• P(credit-rating=“fair” I buys_computer=“yes”)=6/9=0,667

• P(credit-rating=“fair” I buys_computer=“no”)=2/5=0,4

           Hitung P(XICi) utk i=1,2

• P(X I buys_computer=“yes”)  = 0,222 x 0,444 x 0,677 x 0,677 = 0,044

• P(X I buys_computer=“no”) = 0,600 x 0,400 x 0,200 x 0,400 = 0,019

• P(X I buys_computer=“yes”) P(buys_computer=“yes”) = 0,044 x 0,643 = 0,028

• P(X I buys_computer=“no”) P(buys_computer=“no”) = 0,019 x 0,357 = 0,007

Hasil

Berdasarkan perhitungan, P(XICi) P(Ci) utk i=1,2

Maka :

P(X I buys_computer=“yes”) P(buys_computer=“yes”) = 0,044 x 0,643 = 0,028

P(X I buys_computer=“no”) P(buys_computer=“no”) = 0,019 x 0,357 = 0,007

Nilai yg tertinggi adalah 0,028 → Untuk kasus:

X = (age = “<=30”,  income = “medium”, student = “yes”, credit_rating = “fair”)

Maka → buys_computer → “Yes”


Baca juga Jasa Bimbingan Skripsi Teknik Informatika

Untuk contoh perhitungan naive bayes lainnya anda bisa lihat pada contoh kasus Perhitungan Naive Bayes Classification Untuk Mendeteksi Kerusakan Laptop 
Demikian penjelasan yang dapat saya tulisakan semoga anda memahami dan semoga penjelasan diatas membantu bagi anda yang mencari referensi.


Kata Kunci : Algoritma Bayesian Classification, Contoh Skripsi Teknik Informatika, Contoh Skripsi, Skripsi, Skripsi Teknik Informatika