Hamdani Mahasiswa ilkom ipb Dari berbagai sumber

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

1 Hamdani Mahasiswa ilkom ipb Dari berbagai sumber
Naïve Bayes Hamdani Mahasiswa ilkom ipb Dari berbagai sumber

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

3 Bayes Rule

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
yes no 0.4 0.35 0.6 0.65

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 Hujan Kuliah yes no 0.4*0.1=0.04 0.35*0.9=0.315 0.6*0.1=0.06 0.65*0.9=0.585

8 Posterior Probability
Berdasarkan JPD diatas, dapatdihitungposterior probability darigejalahujan=yes adalah = 0.112

9 Contoh Kasus Temperature Kelembapan ION CO Status 64 32 25 84
KEBAKARAN 69 24 23 86 70 30 21 88 53 85 67 28 22 90 40 35 120 TIDAK 29 118 192 41 36 101 38 27 100

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 <35 MERAH >=35 HITAM Kelembapan Status 32
KEBAKARAN 24 30 28 40 TIDAK 35 41 38 P(NILAI|Kategori) = (1 + Banyaknya data input yang jatuh pada kelas dengan interval tertentu )/(jumlah data + jumlah interval) P(Kelembapan<35|Kebakaran)= = 6 7 = 0.86 P(Kelembapan<35|TIDAK)= = 2 7 = 0.29

12 Untuk kelembapan yang >=35 Sehingga didapat tabel conditional prob antara kelembapan dan kebakaran P(Kelembapan>=35|Kebakaran)= = 1 7 = 0.14 P(Kelembapan>=35|TIDAK)= = 5 7 = 0.71 kebakaran Kelembapan <35 >=35 yes 0.86 0.14 no 0.29 0.71

13 Lakukan hal yang sama untuk masing-masing faktor
Didapat untuk temperature kebakaran Temperature <51 >=51 yes 0.14 0.86 no

14 ION CO kebakaran ION <28 >=28 yes 0.86 0.14 no 0.43 0.57
<91 >=91 yes 0.86 0.14 no

15 TESTING DATA BARU Jika terdapat data baru yang ingin diketahui statusnya Temperature >= ION < 28 Kelembapan <35 CO <91 Temperature Kelembapan ION CO Status 54 32 24 84 ????

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 Karena P(Kebakaran|databaru) lebihbesardari P(TIDAK|databaru) Makapersentasekebakaranuntukdatabaru= =84.19% MakapersentaseTIDAKuntukdatabaru= =15.81% Bisadiambil status KEBAKARAN=84.19%