Scribd Logo
Unggah

Selamat datang di Scribd!

  • Data Mahasiswa Diskusi 5

    Diunggah oleh

    dave
    15 tayangan2 halaman

    Judul Asli

    data mahasiswa diskusi 5

    Hak Cipta

    © © All Rights Reserved

    Format Tersedia

    DOCX, PDF, TXT atau baca online dari Scribd

    Apakah menurut Anda dokumen ini bermanfaat?

    Apakah konten ini tidak pantas?

    Laporkan Dokumen Ini

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai DOCX, PDF, TXT atau baca online dari Scribd
    Tandai sebagai konten tidak pantas
    15 tayangan2 halaman

    Data Mahasiswa Diskusi 5

    Diunggah oleh

    dave

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai DOCX, PDF, TXT atau baca online dari Scribd
    Tandai sebagai konten tidak pantas
    dari 2

    Perhatikan data dari database mahasiswa berikut.

    Lakukan klasifikasi dengan algoritma Bayesian untuk


    menentukan kelas data baru.

    Jenis Kelamin Status Mhs Status IPK Status Lulus

    P Reguler Menikah 3,05 Terlambat

    L Bekerja Lajang 3,30 Tepat

    P Reguler Menikah 3,17 Tepat

    P Bekerja Menikah 3,12 Terlambat

    L Reguler Lajang 3,01 Tepat

    L Bekerja Lajang 3,15 Terlambat

    L Bekerja Menikah 3,05 ?

    Data dari database mahasiswa tersebut, terdapat dua class dari klasifikasi

    yang dibentuk, yaitu :

    • C1 = status lulus =tepat

    • C2 = status lulus= terlambat

    Misal terdapat data X yang belum diketahui statuslulus-nya dengan data sebagai berikut :

    X = (jenis kelamin”=L”,status mhs=”bekerja”,status=”menikah”,IPK=”3,05”status lulus=”?”)

    Maka akan dilakukan perhitungan dengan Algoritma Bayesian untuk mengetahui hasil klasifikasinya

    1. Menghitung probabilitas total tiap kelas kejadian

    • P(status lulus= tepat) = 3/6=0,5

    • P(status lulus= terlambat) = 3/6= 0,5

    2. Menghitung probabilitas detail variabel dalam kelas

    a. P(Jenis Kelamin = "L" | Status Lulus = "Tepat") = 2/3 = 0.67

    b. P(Jenis Kelamin = "L" | Status Lulus = "Terlambat") = 1/3 = 0.33

    c. P(Status Mhs = "Bekerja" | Status Lulus = "Tepat") = 1/3 = 0.33

    d. P(Status Mhs = "Bekerja" | Status Lulus = "Terlambat") = 2/3 = 0.67


    e. P(Status = "Menikah" | Status Lulus = "Tepat") = 1/3 = 0.33

    f. P(Status = "Menikah" | Status Lulus = "Terlambat") = 2/3 = 0.67

    g. P(IPK < "3.135" | Status Lulus = "Tepat") = 1/3 = 0.33

    h. P(IPK < "3.135" | Status Lulus = "Terlambat") = 2/3 = 0.67

    3. mengalikan semua variabel kelas

     P(X | Status Lulus = "Tepat")

    = 0.67 * 0.33 * 0.33 * 0.33

    = 0.024691358

     P(X | Status Lulus = "Terlambat")

    = 0.33 * 0.67 * 0.67 * 0.67

    = 0.098765432

    P(X | Status Lulus = “Tepat”) P(Status Lulus = “Tepat”)

    = 0.024691358*0.5 = 0.011

    P(X | Status Lulus = “Terlambat”) P(Status Lulus = “Terlambat”)

    = 0.098765432*0.5 = 0.023

    4. membandingkan hasil antar kelas

    Kelas kejadian Status Lulus = “Tepat” = 0.011

    Kelas Kejadian Status Lulus = “Terlambat” = 0,023

    jadi, berdasarkan perhitungan diatas maka dapat disimpulkan, untuk kasus X = (jenis kelamin = "L",
    status mhs = "bekerja", status = "menikah", ipk = "3.05 "), didapatkan hasil prediksinya adalah status
    lulus = "terlambat",dengan mengambil hasil yang paling besar

    Sumber : BMP MSIM4403 MODUL 5 kegiatan belajar 4

    Anda mungkin juga menyukai