Nama : Aldy Agustiano

Nim : 170030358
Matakuliah : Data Mining
Kelas : JA203
Nama Dosen: I Made Pradipta,S.KOM.,M.KOM
Tema : Naive Bayes

Jawaban

1. Naïve bayes merupakan metode pengklarifikasian berdasarkan probalitas dan

dirancang agar dapat dipergunakan dengan asumsu antar variable penjelas
saling bebas (independent). Pada algoritma ini pembelajaran lebih ditekankan
pada pengestimasian probabilitas, dan keuntungan algoritma ini adalah tingkat
nilai error yang didapat lebih rendah ketika dataset berjumlah besar, selain itu
akurasinya dan kecepatannya lebih tinggi pada saat pengaplikasian ke dalam
dataset yang jumlah lebih besar

ada 3 tipe algoritma Naïve Bayes

  Bernoulli Naïve Bayes dimana prediktornya adalah variable Boolean.
Oleh karena itu satu satunya yang ada hanya besar dan salah.
Biasanya algoritma ini digunakan ketika data sesuai dengan distribusi
Bernoulli multivariat.

 Naïve Bayes Multinomial dimana algoritma ini sering digunakan untuk

memecahkan masalah klarifikasi dokumen. Contohnya, jika ingin
menentukan apakah suatu dokumen termasuk dalam suatu kategori
dan algoritma ini digunakan untuk memilahnya. Naïve bayes
menggunakan frekuensi kata kata sekarang sebagai fitur.

 Guassian Naïve Bayes digunakan jika predictor tidak diskrit namun

memiliki nilai kontinu dan predictor tersebut diasumsikan sebagai
sampel dari distribusi guassian.

Manfaat Naïve Bayes memiliki banyak manfaat sehingga banyak digunakan

di berbagai aspek kehidupan. Diantaranya adalah

 Real prediction
 Multiclass prediction, disini naïve bayes dapat memprediksi
probobilitas beberapa kelas variable target
 Text classification, selain itu naïve bayes juga sering digunakan untuk
membuat text classification karena memiliki tingkat keberhasilan yang
lebih tinggi dibandingkan dengan algoritma lain
 Recommendation system, naïve bayes juga langganan digunakan
untuk proyek data mining untuk menyaring informasi yang tidak terlihat
dan memprediksi apakah pengguna menginginkan sumber daya yang
di berikan atau tidak
 Mengidentifikasi wajah dan fitur fitur wajah, seperti mata, hidung,
mulut, dan alis.
 Membantu dokter mendiagnosis resiko penyakit pasien, seperti kanker
atau penyakit jantung
 Memprediksi cuaca
 Menggunakan data fMRI, algoritma naïve bayes dana memprediksi
berbagai kondisi kognitif manusia dan menemukan cidera otak

2. Contoh penyelesaian kasus menggunakan Naïve Bayes

memprediksi keputusan pembelian seseorang dengan kombinasi hari, diskon,
 dan promo gratis ongkir. Kategori hari dibagi menjadi 3 yaitu weekday,
weekend, dan hari besar atau hari libur nasional.
Katakanlah 30 orang yang menjadi sample dalam penghitungan ini, berdasarkan
data, ditemukan informasi seperti gambar berikut:

 19 partisipan memutuskan untuk membeli jika ada diskon, dan 5 orang tetap
membeli walaupun tidak ada diskon.

 1 partisipan memutuskan untuk tidak membeli walaupun ada diskon, dan 5

orang tidak membeli jika tidak ada diskon.

 21 orang memutuskan untuk membeli jika ada gratis ongkir, dan 3 orang
tetap membeli walaupun tidak ada gratis ongkir.

 2 partisipan memutuskan untuk tidak membeli walaupun ada gratis ongkir,

dan 4 orang tidak membeli jika tidak ada gratis ongkir.
.
 Jumlah partisipan yang membeli di weekday lebih banyak dibandingkan dari
hari libur dan weekend.

Dengan ini informasi di atas, pemilik bisnis bisa menggunakan algoritma Naïve
Bayes untuk mengetahui peluang pembeli jika ada penawaran diskon dan gratis
ongkir pada ketiga hari tersebut, dan mana hari yang paling banyak pembelinya.