Naïve Bayes Classification: Klasifikasi Status Gizi Balita Menggunakan
Naïve Bayes Classification: Klasifikasi Status Gizi Balita Menggunakan
menggunakan
NaÏve Bayes Classification
Project Data Mining
Dataset
Deskripsi algoritma
01 408 Data 03 Naïve Bayes
Dijelaskan instance Classification
dengan 5 atribut
algoritma rujukan
Keputusan Menteri Kesehatan Republik
Indonesia Nomor:
Naïve Bayes Clasification 1995/Menkes/SK/XII/2010 tentang Standar
Antropometri Penilaian Status Gizi Anak.
Data Prepocessing
Data
bebas
cleaning
Data Awal
01
Proses
perubahan data
Transformasi berdasarkan
Data kategori tertentu
sesuai data
mining
Transformasi Data
Umur <= 16 Umur dibawah 16 bulan
Gaji 1.500.000-
3.000.000 Penghasilan diantara 1,5 juta sampai 3 juta
1.500.000-
1
<= 16 L 11-20 51-100 3.000.000 Lebih
1.500.000-
2
17-32 L 11-20 >100 3.000.000 Baik
1.500.000-
3
> 32 P 11-20 >100 3.000.000 Baik
1.500.000-
4
17-32 L <= 10 51-100 3.000.000 Baik
1.500.000-
5
17-32 L <= 10 51-100 3.000.000 Kurang
20 data yang
Training digunakan
Perincian klasifikasi
Umur: 34 bulan (> 32)
Jenis Kelamin : Perempuan Berat Badan : 12,1 (11-20)
Tinggi Badan : 100 (51-100)
Gaji: 1200000 (<=1.500.000)
Tahapan algoritma
01 02 03 04
Menghitung Jumlah
Mengalikan semua Membandingkan
Menghitung Jumlah Kasus yang sama
hasil variabel setiap setiap class dengan
Class/ Label dengan Class yang
klasifikasi klasifikasi
sama
Menghitung Jumlah Class/ Label
P(Y=Baik) = 14/20
P(Y=Kurang) = 3/20
P(Y=Lebih) = 3/20
Menghitung Jumlah Kasus yang sama dengan
Class yang sama
P(Jenis Kelamin = Perempuan| P(Tinggi Badan = 51-100|
Y=Baik) = 9/14 P(Jenis Kelamin
Y=Baik) = 6/14 P(Tinggi
= Perempuan| Y=Kurang) = 0/3
Badan = 51-100|
P(Jenis Kelamin = Perempuan|
Y=Kurang) = 3/3
Y=Lebih) = 0/3
P(Tinggi Badan = 51-
P(Umur = > 32| Y=Baik) 100| Y=Lebih) = 3/3
= 6/14 P(Umur = >
32| Y=Kurang) =
P(Penghasilan = <=1.500.000| Y=Baik) =
0/3 P(Umur = >
6/14 P(Penghasilan = <=1.500.000|
32| Y=Lebih) =
Y=Kurang) = 0/3 P(Penghasilan =
0/3
<=1.500.000| Y=Lebih) = 0/3
Mengalikan semua hasil variabel setiap klasifikasi
= 51-100|Y=Baik)* P(Penghasilan =
<=1.500.000| Y=Baik)
P(Jenis Kelamin = Perempuan|Y=Kurang)*
= 9/14 * 6/14 * 6/14 * 6/14
P(Umur = > 32| Y=Kurang) *P(Tinggi Badan = 51-
= 0,642 * 0,428 * 0,428 * 0,428
100|Y=Kurang)*P(Penghasilan = <=1.500.000|Y=Kurang)
= 0,050
= 0/3 * 0/3 * 3/3 * 0/3
=0
Membandingkan setiap class dengan klasifikasi
Nilai probabilitas
O,O50 0
Kesimpulan
8:20
akurasi tertinggi dengan
95.121%.