Tampilkan postingan dengan label Naive Bayes. Tampilkan semua postingan
Tampilkan postingan dengan label Naive Bayes. Tampilkan semua postingan

Selasa, 22 Januari 2013


NO
JENIS KELAMIN
STATUS MAHASISWA
STATUS PRENIKAHAN
IPK Semester 1-6
STATUS KELULUSAN
1
LAKI - LAKI
MAHASISWA
BELUM
3.17
TEPAT
2
LAKI - LAKI
BEKERJA
BELUM
3.30
TEPAT
3
PEREMPUAN
MAHASISWA
BELUM
3.01
TEPAT
4
PEREMPUAN
MAHASISWA
MENIKAH
3.25
TEPAT
5
LAKI - LAKI
BEKERJA
MENIKAH
3.20
TEPAT
6
LAKI - LAKI
BEKERJA
MENIKAH
2.50
TERLAMBAT
7
PEREMPUAN
BEKERJA
MENIKAH
3.00
TERLAMBAT
8
PEREMPUAN
BEKERJA
BELUM
2.70
TERLAMBAT
9
LAKI - LAKI
BEKERJA
BELUM
2.40
TERLAMBAT
10
PEREMPUAN
MAHASISWA
MENIKAH
2.50
TERLAMBAT
11
PEREMPUAN
MAHASISWA
BELUM
2.50
TERLAMBAT
12
PEREMPUAN
MAHASISWA
BELUM
3.50
TEPAT
13
LAKI - LAKI
BEKERJA
MENIKAH
3.30
TEPAT
14
LAKI - LAKI
MAHASISWA
MENIKAH
3.25
TEPAT
15
LAKI - LAKI
MAHASISWA
BELUM
2.30
TERLAMBAT

Jika seorang mahasiswa dengan data sebagai berikut;
Tabel Testing
KELAMIN
STATUS
PRENIKAHAN
IPK
KETERANGAN
LAKI - LAKI
MAHASISWA
BELUM
2.70
???

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 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” dibagi jumlah data TERLAMBAT


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

P (KELAMIN=LAKI – LAKI), (STATUS MHS=MAHASISWA), (PRENIKAHAN = BELUM), (IPK = 2.70) |TERLAMBAT)
= {P(P(KELAMIN =LAKI-LAKI|Y= TERLAMBAT). P(STATUS MHS = MAHASISWA | Y= TERLAMBAT) . P(PRENIKAHAN = BELUM|Y= TERLAMBAT). P(IPK = 2.70| Y= TERLAMBAT)
= 3/7  .  3/7    .  4/7 .  1/7 . 7/15
= 0,0069
Tahap 4 Bandingkan hasil class TEPAT & TERLAMBAT
Karena hasil (P|TERLAMBAT) lebih besar dari (P|TERLAMBAT) maka keputusanya adalah “TERLAMBAT”
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

Sumber : http://education-programmer.blogspot.co.id/2013/01/perhitungan-sederhana-naive-bayes-untuk.html