BAYESIAN CLASSIFICATION

Overview 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 Memiliki akurasi dan kecepatan yg tinggi saat diaplikasikan ke dalam database yg besar

Bentuk umum teorema Bayes P(H I X) = P(X I H) P(H) P(X) Keterangan : X : data dgn class yg 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 Id Age Income Student Credit_rating Class: Buys_computer 1 <=30 High No Fair 2 Excellent 3 31.40 Yes 4 >40 Medium 5 Low 6 7 8 9 10 11 12 13 14

Contoh Dari tabel diatas, terdpt 2 class dari klasifikasi yg dibentuk, yaitu: C1 = buys_computer = yes C2 = buys_cumputer = no Misalnya, terdapat data X yg belum diketahui class-nya dgn data sbb: X=(age=“<=30”, income=“medium”, student=“yes”, credit_rating=“fair”) Buys_computer ?

Penyelesaian Dibutuhkan utk memaksimalkan: P(XICi) P(Ci) utk 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”

Selesai