Contoh Perhitungan untuk naive bayes

Terdapat 10 data
Temperature

ION

CO

Status

64
69
70
53
67
23

Photoelectri
c
32
24
30
30
28
40

25
23
21
24
22
35

84
86
88
85
90
120

30

35

29

118

29

32

25

192

35

41

36

101

24

38

27

100

Kebakaran
Kebakaran
Kebakaran
Kebakaran
Kebakaran
Tidak
Kebakaran
Tidak
Kebakaran
Tidak
Kebakaran
Tidak
Kebakaran
Tidak
Kebakaran

Selanjutnya dihitung peluang untuk masing-masing kelas dan Input dengan

rumus
P(Kelas) = Banyaknya data yang jatuh pada kelas/ jumlah data
P(Kebakaran) = 5/10 = 0,5
P(Tidak Kebakaran) = 5/10 = 0,5
P(NILAI|Kategori) = (1 + Banyaknya data input yang jatuh pada kelas dengan
interval tertentu )/(jumlah data + jumlah interval)
Temperature
Status\Nilai Interval
Kebakaran
Tidak Kebakaran

<51
0,86
0,14

51
0,14
0,86

<35
0,86
0,29

35
0,14
0,71

<28
0,86
0,43

28
0,14
0,57

Photoelectric
Status\Nilai Interval
Kebakaran
Tidak Kebakaran
ION
Status\Nilai Interval
Kebakaran
Tidak Kebakaran

CO
Status\Nilai Interval
Kebakaran
Tidak Kebakaran

<91
0,86
0,14

91
0,14
0,86

Terdapat sebuah data set baru :

Temperature
54

PhotoElectric
32

ION
24

CO
84

Dengan rumus Vnb = P(Kelas) P(input|Kelas)

Jadi
Vnb kebakaran

= P(Kebakaran) P(input | Kebakaran)

= 0,5 *(0,14 * 0,86 * 0,86 * 0,86)

= 0,04

Vnb Tidak Kebakaran

= P(Tidak Kebakaran) P(Input|Tidak Kebakaran)

= 0,5*(0,86*0,29*0,43*0,14)
=7,50 X 10-3
Karena Vnb Kebakaran lebih tinggi daripada Vnb Tidak Kebakaran maka bisa
diasumsikan telah terjadi kebakaran dengan persentase untuk tiap kelas sebagai
berikut
Vnb Kebakaran

: 84.19%

Vnb Tidak Kebakaran

: 15.81%