8/26/14 Contoh Perhitungan Naive Bayes PDF

Preview

Summary

8/26/14 Contoh Perhitungan Naive Bayes Home »Unlabelled » Contoh Perhitungan Naive Bayes Contoh Perhitungan Naive Bayes . Suka 0 0 Metode dan Algoritma | Contoh Perhitungan Naive Bayes . Anda bisa melakukan konsultasi tentang Contoh Perhitungan Naive Bayes melalui form di samping kanan !!! Contoh Pe...

Description

8/26/14

Contoh Perhitungan Naive Bayes

Home »Unlabelled » Contoh Perhitungan Naive Bayes

Contoh Perhitungan Naive Bayes

. Suka

0

0

Metode dan Algoritma | Contoh Perhitungan Naive Bayes . Anda bisa melakukan konsultasi tentang Contoh Perhitungan Naive Bayes melalui form di samping kanan !!!

Contoh Perhitungan Naive Bayes Tabel Trening

1 2 3 4

LAKI - LAKI LAKI - LAKI PEREMPUAN PEREMPUAN

MAHASISWA BEKERJA MAHASISWA MAHASISWA

BELUM BELUM BELUM MENIKAH

IPK Semester 1-6 3.17 3.30 3.01 3.25

5 6 7 8 9 10 11 12 13 14 15

LAKI - LAKI LAKI - LAKI PEREMPUAN PEREMPUAN LAKI - LAKI PEREMPUAN PEREMPUAN PEREMPUAN LAKI - LAKI LAKI - LAKI LAKI - LAKI

BEKERJA BEKERJA BEKERJA BEKERJA BEKERJA MAHASISWA MAHASISWA MAHASISWA BEKERJA MAHASISWA MAHASISWA

MENIKAH MENIKAH MENIKAH BELUM BELUM MENIKAH BELUM BELUM MENIKAH MENIKAH BELUM

3.20 2.50 3.00 2.70 2.40 2.50 2.50 3.50 3.30 3.25 2.30

NO

JENIS KELAMIN

STATUS MAHASISWA

STATUS PRENIKAHAN

Jika seorang mahasiswa dengan data sebagai berikut; Tabel Testing KELAMIN STATUS PRENIKAHAN LAKI - LAKI MAHASISWA BELUM

IPK 2.70

STATUS KELULUSAN TEPAT TEPAT TEPAT TEPAT TEPAT TERLAMBAT TERLAMBAT TERLAMBAT TERLAMBAT TERLAMBAT TERLAMBAT TEPAT TEPAT TEPAT TERLAMBAT

KETERANGAN ???

Jawab Tahap 1 menghitung jumlah class/label P(Y= TEPAT) = 8/15 ‘ jumlah data “TEPAT” pada komom ‘STATUS KELULUSAN’ dibagijumlah data P(Y= TERLAMBAT) = 7/15 ‘ jumlah data “TERLAMBAT” pada komom ‘STATUS

www.metode-algoritma.com/2013/06/conoth-perhitungan-naive-bayes.html

1/5

8/26/14

Contoh Perhitungan Naive Bayes

KELULUSAN’dibagi jumlah data

Tahap 2 menghitung jumlah kasus yang sama dengan class yang sama P(JENIS KELAMIN = LAKI - LAKI | Y= TEPAT) = 5/8 ‘jumlah data jenis kelamin “laki-laki” dengan keterangan “TEPAT” dibagi jumlah data TEPAT P(JENIS KELAMIN = LAKI - LAKI | Y= TERLAMBAT) = 3/7 ‘jumlah data jenis kelamin “laki-laki” dengan keterangan “TERLAMBAT” dibagi jumlah data TERLAMBAT

P(STATUS MAHASISWA = MAHASISWA | Y= TEPAT) = 5/8 ‘jumlah data dengan status mahasiswa dengan keterangan “TEPAT” dibagi jumlah data TEPAT P(STATUS MAHASISWA = MAHASISWA | Y= TERLAMBAT) = 3/7 ‘jumlah data dengan status mahasiswa dengan keterangan “TERLAMBAT” dibagi jumlah data TERLAMBAT

P(STATUS PRENIKAHAN = BELUM| Y= TEPAT) = 4/8 ‘jumlah data dengan status pernikahan “Belum menikah” dan keterangan “TEPAT” dibagijumlah data TEPAT P(STATUS PRENIKAHAN = BELUM| Y= TERLAMBAT) = 4/7 ‘jumlah data dengan status pernikahan “Belum menikah” dan keterangan “TERLAMBAT” dibagijumlah data TERLAMBAT Metode & Algoritma | List Tutorials | Source Code | About | Sitemap

P(IPK = 2.70| Y= TEPAT) = 0/8 ‘jumlah data IPK “2.70” dengan keterangan “TEPAT” dibagi jumlah data TEPAT P(IPK = 2.70| Y= TERLAMBAT) = 1/7 ‘jumlah data IPK “2.70” dengan keterangan “TERLAMBAT” dibagi jumlah data TERLAMBAT Tahap 3 kalikan semua hasil variable TEPAT & TERLAMBAT P (KELAMIN=LAKI – LAKI), (STATUS MHS=MAHASISWA), (PRENIKAHAN = BELUM), (IPK = 2.70 ) |TEPAT) = {P(P(KELAMIN =LAKI-LAKI|Y=TEPAT). P(STATUS MHS = MAHASISWA

| Y= TEPAT)

. P(PRENIKAHAN

=BELUM|Y=TEPAT). P(IPK = 2.70| Y= TEPAT)

= 5/8 =0

.

5/8 . 4/8 . 0/8 . 8/15

Bimbingan dan Konsultasi Tesis Informatika bersama team Project Graduate Indonesia. Konsultasi hanya untuk yang sudah P (KELAMIN=LAKI – LAKI), MHS=MAHASISWA), (PRENIKAHAN = BELUM), (IPK me-Like FB kami(STATUS (Silahkan LIKE tombol ini jika belum). . Scroll kebawah untuk memasukan kode AntiSpam Protection. = 2.70 ) |TERLAMBAT) konsultasi akan kami kirimkan ke emailMHS Anda.= MAHASISWA | Y= TERLAMBAT) . = {P(P(KELAMINHasil =LAKI-LAKI|Y= TERLAMBAT). P(STATUS * P(PRENIKAHANE-Mail: = BELUM|Y= TERLAMBAT). P(IPK = 2.70| Y= TERLAMBAT)

= 3/7 . 3/7 . 4/7 . 1/7 . 7/15 = 0,0069 Subject: Tahap 4 Bandingkan hasil class TEPAT & TERLAMBAT Karena hasil (P|TERLAMBAT) lebih besar dari (P|TERLAMBAT) maka keputusanya adalah “TERLAMBAT” Message: * KELAMIN STATUS PRENIKAHAN IPK KETERANGAN LAKI - LAKI MAHASISWA BELUM 2.70 TERLAMBAT referensi : Marselina - Prediksi Kelulusan dengan Naive Bayes dan C45 - 2010 Sakti Sarjono,Contoh-Perhitungan-Untuk-Naive-Bayes.pdf, 2010

Contoh 2 Perhitungan Naive Bayes AntiSpam Protection: Send message!

Sambil Mengingat Kembali Tentang Naive bayes.

All fields marked with * are required.

Berikut contoh proses pengambilan keputusa dengan Naive Bayes. 1. Diketahui Data Training Sebagai berikut:

ID

X1

X2

X3

Class

1

Yes

Single

125

No

2

No

Married

100

No

www.metode-algoritma.com/2013/06/conoth-perhitungan-naive-bayes.html

2/5

8/26/14

Contoh Perhitungan Naive Bayes 3

No

Single

70

No

4

Yes

Married

120

No

5

No

Divorce

95

Yes

6

No

Married

60

No

7

Yes

Divorce

220

No

8

No

Single

85

Yes

9

No

Married

75

No

10

No

Single

90

Yes

Dengan, menggunakan Naive Bayes, tentukan X(X1=No,X2=Married,X3=120) ? jawab: P(Y=Yes) = 3/10, P(Y=No) = 7/10 P(X1=No|Y=Yes) = 3/3 = 1 P(X1=No|Y=No) = 4/7 P(X2=Married|Y=Yes) = 0/3 P(X2=Married|Y=No) = 4/7 P(X3=120|Y=Yes) = 0/3 P(X3=120|Y=No) = 1/7 P (X1=No,X2=Married,X3=120|Y=Yes) : = {P(P(X1=No|Y=Yes).P(X2=Married|Y=Yes).P(X3=120|Y=Yes).P(Y=Yes)} =

{(1)

.(0/3)

.(0/3)

.(3/10)}

=0 P (X1=No,X2=Married,X3=120|Y=No) : = {P(P(X1=No|Y=No).P(X2=Married|Y=No).P(X3=120|Y=No).P(Y=No)} =

{(4/7)

.(4/7)

.(1/7)

.(7/10)}

= 0,032 Sehingga Keputusannya adalah No

Silahkan Mencoba Jika : X(X1=Yes,X2=Divorce,X3=85)

www.metode-algoritma.com/2013/06/conoth-perhitungan-naive-bayes.html

3/5

8/26/14

Contoh Perhitungan Naive Bayes

ActionScript AS3 ASP.NET AJAX C / C++ C# Clipper COBOL ColdFusion DataFlex Delphi Emacs Lisp Fortran FoxPro Java J2ME JavaScript JScript Lingo MATLAB Perl PHP PostScript Python SQL VBScript Visual Basic 6.0 Visual Basic .NET Flash MySQL Oracle Android

Related Post :

Anda sedang membaca artikel tentang Contoh Perhitungan Naive Bayes, Semoga artikel tentang Contoh Perhitungan Naive Bayes ini sangat bermanfaat bagi teman-teman semua, jangan lupa untuk mengunjungi lagi melalui link Contoh Perhitungan Naive Bayes.

-Posting Lebih Baru

Beranda

Posting Lama

Label Algoritma

Algoritma Clonal Selection Algoritma Djikstra

contoh program

Contoh Soal Corporate Information System

3 Variabel Adaptive Resonance Theory Algorirma RSA

Android ANN Annaeling Aritmetika Modulo ART Artificial Neural Network Backpropagation Biometrik Blowfish Brute Force Buble Sort Business Process Management C++ C-Means Caesar Cipher CISM Contoh

Contoh Kode

Contoh Penerapan

Management CRC Cyclic Redundancy Code Deteksi Wajah Dijkstra Djikstra Eigenface Enterprise Resource Planning ERP Expectation Maximization Face Detection Face Extractor Face Recognition Facebook FCFS FCM Filterbank First Come First Server Fisherface FP-Grow th Fuzzy ART Fuzzy C-Means Gaussian Generate & Test Genetika greedy Green Computing Huffman image processing Implementasi Information System Risk Management iOS 5 Iris Recognition IS Strategic Planning Jaringan Jaringan Saraf Tiruan jaringan syaraf tiruan Jasa Pembuatan Tesis Skripsi TA Informatika Komputer Java JST K-means know ledge management konsultan tesis informatika

kriptografi

Kruskal Kruskall Linear Programming

list judul informatika

LOKI LOOK Low Bit

Coding LSB Manajamen Proses Bisnis Manajemen Perubahan MANET Masalah Rute Kendaraan Mass Transport Vehicle Routing Problem Metode Grafik metode LSB Minimum Spanning Tree mobile Mobile Ad hoc Netw ork MTVRP negascout Online Learning Open Shortest Path First OpenCV OSPF PCA Pemrograman Linear Pencarian Akar Pencarian Linear Pencocokan Pengenalan Iris Mata Pengenalan Suara Pengenalan Wajah Pengolahan Citra Pengolahan Citra Digital Pengukuran Garis-Garis Telapak Tangan Penjadwalan Persamaan Linier Pewarnaan Graf Pew arnaan Graph Prim Project and Change Management Quantum Random Waypoint real time tracking Recognition Recursive Large First RLF RMSE Root Mean square Error RSA RWP Sandi Sidik Jari Simulated Annaeling

Source Code Spanning Tree Speech Speech Recognition Steganography Strategic Information Systems Planning Stream Cipher Technopreneurship Traveling Salesman Problem Travelling Salesman problem Tree TSP Voice Recognition Watermaking Web Service

SISP Sistem Verifikasi Biometrik skripsi sorting

Welch dan Pow ell

Diberdayakan oleh Blogger.

www.metode-algoritma.com/2013/06/conoth-perhitungan-naive-bayes.html

4/5

8/26/14

Contoh Perhitungan Naive Bayes

Konsultan Bimbingan Tesis Skripsi TA Informatika Jasa tugas akhir , skripsi , tesis teknik informatika no 1 di Indonesia . Sejak 2006 membantu lebih dari 250 mahasiswa S1 / S2 IT di seluruh Indonesia. Paket yang kami tawarkan : 1. Pencarian judul 2. Pembuatan proposal 3. Pembuatan buku / laporan 4. Pembuatan sofware / program 5. Pembetulan / Penambahan program yang sudah ada 6. Convert language / Technology 7. dll Language : C#, vb, .net, java, php, AS3, c++, lingo, etc Global project : Mobile Application (MPhone, PDA, BlackBerry, Android, etc) GIS Mobile Application (Global GIS, OpenStreetMap, GoogleMap etc) Computer Games Application (FPS, RPG, 3D, RTS, TBS, etc) Artificial Intellegence (AI, Recognition, Fuzzy, Neural, etc) Decision Support System (DSS, Cognition, Conjoint, Forecasting) 3D computer graphics (Voxel,modeling, pipeline, motion, geometry) Geographic Information Sistem (Mapping, Cartography, Geoinformatics) Image & Data Prossesing (Wavelet, Quantization, Steganography) Audio Video Processing (Criptography, Watermark, Recognition) SMS Based Application (MBanking, Alert, Control, Survey) Web Based Application (Ecommerce, Biositemap, Rich Media) Mobile Expert System (Business Agent, Facilitatio, DSS, AI) Global Expert System App (Decision theory, Critical thinking) Algorythm Implementation (Genetic, Ant, Fuzzi, Backpropagation, etc) Algoritma: Tsp, Semut, Warshall, Genetika, Sorting, id3, Rsa, Tribewala, AHP, Fuzzy, Wavelet, VEA , hash, Stream Cipher, DSS, Block Cipher, Markov Model, ROI, RC4, ElGamal, Least Significant Bit Modification, Time Base Modulation, Spread Spectrum, Quantum Neural Newtwork , Partitioned Iterated Function System, Shamir Secret Sharing Advanced, ECDSA, Mesh Warping, Agglomerative Clustering, Hidden Markov Model, Propagasi Balik, RUP, Vizing, Huffman Statis, Newton-Raphson, Pias, BWT, Blind Signature, Fuzzy C-Means, Counterpropagation Network, Heuristic, Hibrid, GOST, LOKI, Blowfish, Forward Channing, Native Bayes, dll More Info + Contact http://www.project-graduate.com Email: [email protected] sms only : 08562549338

© 2010 metode-algoritma.com - All Rights Reserved | submit

google | gooping | auto-ping | pingler | websub| pingomatic | PingService | BackIndo | BackGen | BackNofee | freeBack | deepBack | imtalkBack |

www.metode-algoritma.com/2013/06/conoth-perhitungan-naive-bayes.html

5/5...