Oleh :
DAFTAR ISI..................................................................................................2
BAB I PENDAHULUAN..............................................................................3
1.1 Latar Belakang.....................................................................................3
BAB II PEMBAHASAN...............................................................................4
2.1 Pengertian dan kegunaan Naïve Bayes.................................................4
2.2 Kekurangan dan kelebihan Naïve Bayes..............................................5
2.3 Cara kerja Naïve Bayes.........................................................................6
BAB III PENUTUP.......................................................................................10
3.1. Kesimpulan..........................................................................................10
DAFTAR PUSTAKA....................................................................................11
2
BAB I
PENDAHULUAN
3
BAB II
PEMBAHASAN
4
2.2 Kekurangan dan kelebihan Naïve Bayes
Kelebihan Naïve Bayes
Bisa dipakai untuk data kuantitatif maupun kualitatif
Tidak memerlukan jumlah data yang banyak
Tidak perlu melakukan data training yang banyak
Jika ada nilai yang hilang, maka bisa diabaikan dalam perhitungan
Perhitungannya cepat dan efisien
Mudah dipahami
Mudah dibuat
Pengklasifikasian dokumen bisa dipersonalisasi, disesuaikan dengan
kebutuhan setiap orang
Jika digunakan dalaam bahasa pemrograman, code-nya sederhana
Bisa digunakan untuk klasifikasi masalah biner ataupun multiclass
5
2.3 Cara kerja Naïve Bayes
dimana
Y = status kelulusan à kelas kejadian
X1 = jenis kelamin à variabel pertama
X2 = status mahasiswa à variabel kedua
X3 = status pernikahan à variabel ketiga
X4 = IPK à variabel keempat
Kemudian universitas ingin menambah sebuah data sebagai berikut:
6
Universitas akan menggunakan Naïve Bayes untuk mendapatkan hasil
mengenai status kelulusan mahasiswa tersebut.
Step 1: Menghitung probabilitas total setiap kelas kejadian
Tahap pertama yang perlu dilakukan adalah menghitung probabilitas total
masing-masing kelas kejadian. Caranya adalah dengan membagi jumlah
data kelas kejadian dengan jumlah seluruh data di tabel.
Untuk contoh di atas, maka perhitungan menjadi seperti berikut:
o P(Y = tepat) = 8/15 à jumlah data kelas “tepat” pada kejadian
“status kelulusan” dibagi jumlah seluruh data
o P(Y = terlambat) = 7/15 à jumlah data kelas “terlambat” pada
kejadian “status kelulusan” dibagi jumlah seluruh data
Step 2: Menghitung probabilitas detil variabel dalam kelas
Tahap kedua adalah menghitung probabilitas setiap kasus. Perhitungan
dilakukan dengan menghitung jumlah kasus yang terjadi di masing-masing
variabel, sesuai yang bersangkutan dengan data tambahan, dengan masing-
masing kelas kejadian
Untuk contoh di atas, maka perhitungannya adalah sebagai berikut:
o Variabel jenis kelamin (X1):
P(jenis kelamin = laki-laki | Y = tepat) = 5/8 à jumlah data jenis
kelamin “laki-laki” dengan kejadian status kelulusan “tepat” dibagi
jumlah data kelas “tepat”
P(jenis kelamin = laki-laki | Y = terlambat) = 3/7 à jumlah data
jenis kelamin “laki-laki” dengan kejadian status kelulusan
“terlambat” dibagi jumlah data kelas “terlambat”.
o Variabel status mahasiswa (X2)
P(status mahasiswa = mahasiswa | Y = tepat) = 5/8 à jumlah data
status mahasiswa “mahasiswa” dengan kejadian status kelulusan
“tepat” dibagi jumlah data kelas “tepat”.
P(status mahasiswa = mahasiswa | Y = terlambat) = 3/7 à jumlah
data status mahasiswa “mahasiswa” dengan kejadian status
7
kelulusan “terlambat” dibagi jumlah data kelas “terlambat”.
8
o Kelas kejadian status kelulusan “terlambat”:
P (jenis kelamin = laki-laki), (status mahasiswa = mahasiswa),
(status pernikahan = belum), (IPK = 2.70 ) | TERLAMBAT)
= P(jenis kelamin = laki-laki |Y = terlambat)
x P(status mahasiswa = mahasiswa | Y = terlambat)
x P(status pernikahan = belum | Y = terlambat)
x P(IPK = 2.70 | Y = terlambat)
= 3/7 x 3/7 x 4/7 x 1/7 x 7/15
= 0,00699
9
BAB III
PENUTUP
3.1 Kesimpulan
Naïve Bayes merupakan metode klasifikasi yang berdasarkan pada
Teorama Bayes.Algoritma Naïve Bayes kurang lebih ditemukan pada
pertengahan abad ke-18. Pada saat itu, algoritma ini dikenal dengan banyak
nama. Meskipun begitu, algoitma ini populer dikenal sebagai metode
pengelompokkan teks dan pengkategorian menggunakan frekuensi kata-kata.
10
DAFTAR PUSTAKA
Nugroho, A., & Subanar. (2013). Klasifikasi Naive Bayes. Berkala MIPA , 23 (3),
297-308.
11