Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Naïve Bayes Hamdani Mahasiswa ilkom ipb Dari berbagai sumber.

Presentasi serupa


Presentasi berjudul: "Naïve Bayes Hamdani Mahasiswa ilkom ipb Dari berbagai sumber."— Transcript presentasi:

1 Naïve Bayes Hamdani Mahasiswa ilkom ipb Dari berbagai sumber

2 Probabilities Joint – Probability that both X=x and Y=y Conditional – Probability that X=x given that Y=y 2

3 Bayes Rule 3

4 Langkah Pembuatan Bayes Tentukan Parameter Hitung prior probability suatu kondisi Membuat conditional probability table (CPT) Membuat joint probability distribution (JPD) Menghitung posterior probability Inferensi probabilistic

5 Contoh Misal Untuk menentukan seseorang pergi kuliah atau tidak ditentukan oleh faktor hujan atau tidak diketahui: prior hujan P(hujan=yes)=0.1 dan P(hujan =no)=0.9

6 Conditional probability table antara Hujan dan Kuliah HujanKuliah yesno yes no

7 Cara menghitung joint probability distribution suatu gejala adalah mengalikan nilai conditional probability dengan prior probability. Prior probability hujan adalah untuk yes=0.1 dan no=0.9 maka dikalikan dengan conditional HujanKuliah yesno yes 0.4*0.1= *0.9=0.315 no 0.6*0.1= *0.9=0.585

8 Posterior Probability

9 Contoh Kasus TemperatureKelembapanIONCOStatus KEBAKARAN KEBAKARAN KEBAKARAN KEBAKARAN KEBAKARAN TIDAK TIDAK TIDAK TIDAK TIDAK

10 Hitung Peluang Kebakaran= 5/10 Hitung Peluang Tidak Kebakaran=5/10 Hitung nilai conditional prob. Contoh untuk kelembapan jika kebakaran dibuat kategori untuk kelembapan < 35 >=35

11 Didapat tabel MAKA KelembapanStatus 32KEBAKARAN 24KEBAKARAN 30KEBAKARAN 30KEBAKARAN 28KEBAKARAN 40TIDAK 35TIDAK 32TIDAK 41TIDAK 38TIDAK <35 MERAH >=35 HITAM P(NILAI|Kategori) = (1 + Banyaknya data input yang jatuh pada kelas dengan interval tertentu )/(jumlah data + jumlah interval)

12 Untuk kelembapan yang >=35 Sehingga didapat tabel conditional prob antara kelembapan dan kebakaran kebakaran Kelembapan <35>=35 yes no

13 Lakukan hal yang sama untuk masing-masing faktor Didapat untuk temperature kebakaran Temperature <51>=51 yes no

14 ION CO kebakaran ION <28>=28 yes no kebakaran CO <91>=91 yes no

15 TESTING DATA BARU Jika terdapat data baru yang ingin diketahui statusnya Temperature >=51 ION < 28 Kelembapan <35CO <91 TemperatureKelembapanIONCOStatus ????

16 Kita hitung P(Kebakaran|databaru) =P(Kebakaran)*(∏P(INPUT|Kebakaran)) =0.5*(P(T<51|Kebakaran)*P(K<35|Kebakaran)*P(I<28|Kebakaran)* P(C<91|Kebakaran)) =0.5*(0.14*0.86*0.86*0.86) =0.04 Kita hitung P(TIDAK|databaru) =P(TIDAK)*(∏P(INPUT|TIDAK)) =0.5*(P(T<51|TIDAK)*P(K<35|TIDAK)*P(I<28|TIDAK)* P(C<91|TIDAK)) =0.5*(0.86*0.29*0.43*0.14) =0.0075

17


Download ppt "Naïve Bayes Hamdani Mahasiswa ilkom ipb Dari berbagai sumber."

Presentasi serupa


Iklan oleh Google