3 Metode Bayesian v2
3 Metode Bayesian v2
X P( X Y )
XY P( X | Y )
Y P (Y )
Tidak
Melanjutkan
melanjutkan
ke perguruan
ke perguruan
tinggi
tinggi
n( K L ) n( K L ) / n( S ) P ( K L )
P( L | K ) ,
n( K ) n( K ) / n( S ) P( K )
450 1
P ( K L)
900 2
600 2
P( K )
900 3
1/ 2 3
P( L | K )
2/3 4
Contoh lain
Peluang Kereta Api Gajayana berangkat tepat pada
waktunya adalah P(B) = 0.85, peluang Kereta Api
Gajayana datang tepat pada waktunya adalah P(D) =
0.90 dan peluang kereta api tersebut berangkat dan
datang tepat pada waktunya adalah P(BD) = 0.75.
Hitung peluang bahwa Kereta Api Gajayana itu
(a) datang tepat pada waktunya bila diketahui kereta api
tersebut berangkat tepat pada waktunya, dan
(b) berangkat tepat pada waktunya bila diketahui kereta api
tersebut datang tepat pada waktunya.
Probabilitas Bersyarat Dalam Data
# Cuaca Temperatur Kecepatan Angin Berolah-raga
1 Cerah Normal Pelan Ya
2 Cerah Normal Pelan Ya
3 Hujan Tinggi Pelan Tidak
4 Cerah Normal Kencang Ya
5 Hujan Tinggi Kencang Tidak
6 Cerah Normal Pelan Ya
Distribusi Bersama
Distribusi Marginal X dan Y
Probabilitas Bersyarat Dalam Data
# Cuaca Temperatur Berolahraga
1 cerah normal ya
2 cerah tinggi ya
3 hujan tinggi tidak
4 cerah tinggi tidak
5 hujan normal tidak
6 cerah normal ya
A
B
Bc
A = (BA) (BcA)
P(A) = P [(BA) (BcA)]
= P(BA) + P(BcA)]
= P(B)P(A|B) + P(Bc)P(A|Bc)
Kaidah Total Peluang
P( Br ) P( A | Br )
P( Br | A)
P( B1) P( A | B1) P( B2 ) P( A | B2 ) ... P( Bk ) P( A | Bk )
Contoh Kaidah Bayes
A P ( Bk ) P ( A | Bk )
P ( Bk | A)
P ( A)
Asumsi:
Y = berolahraga,
X1 = cuaca,
X2 = temperatur,
X3 = kecepatan angin.
HMAP Dari Data Training
# Cuaca Temperatur Kecepatan Angin Berolah-raga
1 Cerah Normal Pelan Ya Apakah bila cuaca
2 Cerah Normal Pelan Ya cerah dan
3 Hujan Tinggi Pelan Tidak kecepatan angin
4 Cerah Normal Kencang Ya kencang, orang
5 Hujan Tinggi Kencang Tidak akan berolahraga?
6 Cerah Normal Pelan Ya
P( A | c ) e 2 ij2
2
i j 2
ij
(120110) 2
1
P( Income 120 | No) e 2 ( 2975)
0.0072
2 (54.54) 2
Contoh Naïve Bayes Classifier
Diberikan Test Record:
X (Refund No, Married, Income 120K)
naive Bayes Classifier: