Edo Sulaiman

18101152630092 | IF - 118101152630092_Edo-Sulaiman_Quiz_IF-1 | TUGAS TEKNOLOGI BIOMETRIK

Contoh 1

Data Atribut

Kode Nama
A1 OUTLOOK
A2 TEMPERATURE
A3 HUMDITY
A4 WINDY
A5 PLAY

Atribut PLAY merupakan label/klasifikasi yang akan dicari berdasarkan dari data atribut yang diketahui.

Data Nilai Atribut

Kode Nama Nilai

A1 OUTLOOK cloudy
A1 OUTLOOK rainy
A1 OUTLOOK sunny
A2 TEMPERATURE cold
A2 TEMPERATURE hot
A2 TEMPERATURE mild
A3 HUMDITY high
A3 HUMDITY normal
A4 WINDY false
A4 WINDY true
A5 PLAY yes
A5 PLAY no
Data Nilai Atribut

Nomor OUTLOOK TEMPERATURE HUMIDITY WINDY PLAY

1 sunny hot high false no
2 sunny hot high true no
3 cloudy hot high false yes
4 rainy mild high false yes
5 rainy cool normal false yes
6 rainy cool normal true yes
7 cloudy cool high true yes
8 sunny mild high false no
9 sunny cool normal false yes
10 rainy mild normal false yes
11 sunny mild normal true yes
12 cloudy mild high true yes
13 cloudy hot normal false yes
14 rainy mild high true no

Data Uji

Sebelum melakukan proses algoritma naive bayes, berikut adalah data uji yang akan dicari klasifikasinya.

OUTLOOK : rainy

TEMPERATURE : hot

HUMIDITY : high

WINDY : true

PLAY :?

Mencari Probabilitas

Langkah pertama dalam perhitungan naive bayes adalah mencari probabilitas setiap nilai atribut sesuai
data latih.

Page 2
Berikut probabilitas kemunculan nilai atribut label:

P(no) = (4/14) = 0.2857

P(yes) = (10/14) = 0.7143

Berikut probabilitas kemunculan nilai atribut diketahui:

• OUTLOOK
o P(sunny | no) = (OUTLOOK: sunny berlabel no/ jumlah label no) (3/4) = 0.75
o P(sunny | yes) = (OUTLOOK: sunny berlabel yes/ jumlah label yes) (2/10) = 0.2
o P(cloudy | yes) = (OUTLOOK: cloudy berlabel yes/ jumlah label yes) (4/10) = 0.4
o P(rainy | yes) = (OUTLOOK: rainy berlabel yes/ jumlah label yes) (4/10) = 0.4
o P(rainy | no) = (OUTLOOK: rainy berlabel no/ jumlah label no) (1/4) = 0.25
• TEMPERATURE
o P(hot | no) = (TEMPERATURE: hot berlabel no/ jumlah label no) (2/4) = 0.5
o P(hot | yes) = (TEMPERATURE: hot berlabel yes/ jumlah label yes) (2/10) = 0.2
o P(mild | yes) = (TEMPERATURE: mild berlabel yes/ jumlah label yes) (4/10) = 0.4
o P(mild | no) = (TEMPERATURE: mild berlabel no/ jumlah label no) (2/4) = 0.5
o P(cool | yes) = (TEMPERATURE: cool berlabel yes/ jumlah label yes) (4/10) = 0.4
• HUMIDITY
o P(high | no) = (HUMIDITY: high berlabel no/ jumlah label no) (4/4) = 1
o P(high | yes) = (HUMIDITY: high berlabel yes/ jumlah label yes) (4/10) = 0.4
o P(normal | yes) = (HUMIDITY: normal berlabel yes/ jumlah label yes) (6/10) = 0.6
• WINDY
o P(false | no) = (WINDY: false berlabel no/ jumlah label no) (2/4) = 0.5
o P(false | yes) = (WINDY: false berlabel yes/ jumlah label yes) (6/10) = 0.6
o P(true | no) = (WINDY: true berlabel no/ jumlah label no) (2/4) = 0.5
o P(true | yes) = (WINDY: true berlabel yes/ jumlah label yes) (4/10) = 0.4

Jika disusun dalam bentuk tabel, maka hasilnya seperti berikut:

Atribut Nilai no(0.2857) Yes(0.7143)

OUTLOOK sunny 0.2 0.75
OUTLOOK cloudy 0.4 0

Page 3
 OUTLOOK rainy 0.4 0.25
TEMPERATURE hot 0.2 0.5
TEMPERATURE mild 0.4 0.5
TEMPERATURE cool 0.4 0
HUMDITY high 0.4 1
HUMDITY normal 0.6 0
WINDY false 0.6 0.5
WINDY true 0.4 0.5

Perhitungan Data Uji

Pada tahap ini, setiap nilai label akan dihitung propabilitasnya berdasarkan tabel probabilitas dan nilai data
uji.

• Perhitungan Label no (0.2857)

OUTLOOK(rainy) = 0.25

TEMPERATURE(hot) = 0.5

HUMIDITY(high) = 1

WINDY(true) = 0.5

Nilai no = 0.2857 * 0.25 * 0.5 * 1 * 0.5 = 0.0179

• Perhitungan Label yes (0.7143)

OUTLOOK(rainy) = 0.4

TEMPERATURE(hot) = 0.2

HUMIDITY(high) = 0.4

WINDY(true) = 0.4

Nilai yes = 0.7143 * 0.4 * 0.2 * 0.4 * 0.4 = 0.0091

Page 4
 Berdasarkan perhitungan label yang paling tinggi adalah no dengan nilai 0.0179. Sehingga hasil
klasifikasi untuk data uji adalah no.

Contoh 2

Tabel olah raga

# 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

Asumsi/pendapat:

Y = berolahraga, X1 = cuaca, X2 = temperatur, X3 = kecepatan angin..

Sehingga Fakta/real yang didapat adalah :

P(Y=ya) = 4/6 à P(Y=tidak) = 2/6

Dan apabila cuaca cerah dan kecepatan angin kencang, maka apakah orang akan berolahraga?

Fakta: P(X1=cerah|Y=ya) = 1, P(X1=cerah|Y=tidak) = 0

P(X3=kencang|Y=ya) = 1/4 , P(X3=kencang|Y=tidak) = 1/2.

HMAP dari keadaan ini akan dapat dihitung dengan cara :

P( X1=cerah,X3=kencang | Y=ya )

= { P(X1=cerah|Y=ya).P(X3=kencang|Y=ya) } . P(Y=ya)

Page 5
 = { (1) . (1/4) } . (4/6) = 1/6.

Selanjutnya melihat keadaan yang tidak memungkinkan.

P( X1=cerah,X3=kencang | Y=tidak )

= { P(X1=cerah|Y=tidak).P(X3=kencang|Y=tidak) } . P(Y=tidak)

= { (0) . (1/2) } . (2/6) = 0.

Maka, keputusan yang didapat adalah berolahraga = YA

Page 6