Materi SPK Pertemuan ke 7

Materi SPK Pertemuan ke 7 tentang sistem penunjang keputusan dengan algoritma AHP, silahkan download materi di bawah dan kerjakan soal pada slide terakhir

MODUL TEORI 1 Mata Kuliah : Mobile Programming

Untuk modul teori mata kuliah mobile programming dapat di unduh, melalui link di bawah ini :

Download

Tugas SPK 7 April 2016

lihat soal di bawah kemudian selesaikan dengan teorema bayes 

Materi Tambahan Teorema Bayes Pert ke 4

Naïve Bayes merupakan salah satu metode machine learning yang menggunakan perhitungan probabilitas. Konsep dasar yang digunakan oleh Naïve bayes adalah Teorema Bayes, yaitu teorema dalam statistika untuk menghitung peluang, Bayes Optimal Classifier menghitung peluang dari satu kelas dari masing-masing kelompok atribut yang ada, dan menentukan kelas mana yang paling optimal.

sebelum melakukan perhitungan ini diperlukan pemahaman tentang dua jenis peluang penyusunnya terlebih dahulu, yaitu:

1. peluang posterior

2. peluang prior

jika X melambangkan set atribut data dan Y melambangkan kelas variabel. Peluang bersyarat P(Y|X) ini juga dikenal dengan posterior  peluang untuk Y, dan  sebaliknya peluang prior untuk Y adalah P(Y).

contoh soal:

jika diketahui terdapat tabel data sebagai barikut:

Jika diberikan test record dengan atribut berikut : X  = (Home Owner = No, Marital Status = Married, Annual Income = $120K).  masuk ke klasifikasi manakah data tersebut? Yes? or No?

langkah pertama yang harus dilakukan yaitu:

-> hitung peluang posterior  P(Yes|X) , P(No|X)

-> Jika  P(Yes|X)>P(No|X), maka record diklasifikasikan sebagai Yes

-> Jika  P(Yes|X)<P(No|X), maka record diklasifikasikan sebagai No

- untuk data data diskrit peluang dapat dihitung lansung dengan mengunakan peluang kejadian dibagi peluang keseluruhan. contoh untuk P(Home Owner = No| No) karena peluang home ownner yang no ada 7 data, sedangkan dari 7 data tersebut yang masuk ke kelas(defauited Borrowed) no ada 4 maka peluangnya adalah 4/7

- sedangkan untuk mencari peluang dari data yang bernilali kontinue dapat dicari dengan menggunakan cara data diskrit atau menggunakan distribusi Gausian untuk data yang kuntinu, distribusi Gausian memiliki rumus:

perhitungan untuk data diskrit:

jika kelas no: rata-rata=110

                    SD = 2954 {cari menggunakan excel dengan rumus =var(120,100,70,120,60,220,75)}

jika kelas yes: rata-rata=90

                     SD = 25 

jawab:

1. P(yes)=3/10

cari semua komponen P(X|Yes)

P(Home Owner = No| Yes)=1

P(Marital Status = Married| Yes)=0

P(Annual Income = $120K| Yes)=0.0388

P(X|Yes)=P(Home Owner = No| Yes) x P(Marital Status = Married| Yes) x P(Annual Income = $120K| Yes) = 1*0*0.0388=0

2. P(no) = 7/10

cari semua komponen P(X|No)

P(Home Owner = No| No)=4/7

P(Marital Status = Married| No)=4/7

P(Annual Income = $120K|No)=0.0073

P(X|No)=P(Home Owner = No| No) * P(Marital Status = Married| No) * P(Annual Income = $120K|No)=4/7*4/7*0.0073=0.0024

3. karena P(X|No)>P(X|Yes) maka data tersebut diklasifikasikan ke kelas no

sumber : http://semangatkecil.blogspot.co.id/2015/04/naive-bayes.html

Contoh2 lain bisa di browsing di internet

Materi Sistem Operasi Jaringan Kelas XI Semester 2

Modul Sistem Operasi Jaringan Kelas XI, dapat di unduh melalui link di bawah ini. Silahkan klik tombol download .

MATERI SPK PERTEMUAN 3

Materi Sistem Pedukung Keputusan tentang konsep probabilitas, dalil bayes dan nilai harapan, :

Modul Rangkaian Digital Bagian 1

Untuk modul rangkaian digital bagian 1 ini menjelaskan tentang dasar-dasar analog dan digital dasar, digunakan pada pertemuan 1 s/d pertemuan 7 / 8, modul dapat di unduh melalui link di bawah ini (klik tombol download)