NAIVE BAYES. Artinya Peluang kejadian X bersyarat Y ditentukan dari peluang Y terhadap X, peluang X, dan peluang Y. Posterior Evidence
|
|
- Yuliani Sanjaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 NAIVE BAYES Konsep Naive Bayes Simple naive Bayesian classifier merupakan salah satu metode pengklasifikasian sederhana yang berdasarkan pada penerapan Teorema Bayes dengan asumsi antar variabel penjelas saling bebas (independen).algoritma ini memanfaatkan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya. Dua kelompok peneliti, satu oleh Pantel dan Lin, dan yang lain oleh Microsoft Research memperkenalkan metode statistik Bayesian ini pada teknologi anti spam filter. Tetapi yang membuat algoritma Bayesian filtering ini popular adalah pendekatan yang dilakukan oleh Paul Graham. Dasar dari teorema naive digunakan dalam pemrograman adalah rumus Bayes berikut ini: P Y X P X Y xpy P X Artinya Peluang kejadian X bersyarat Y ditentukan dari peluang Y terhadap X, peluang X, dan peluang Y. Penggunaan Naive Bayes Contoh penggunaan Algoritma Naive Bayesian antara lain: Untuk mengklasifikasi Dokumen Untuk mendeteksi SPAM atau filtering SPAM Dan masalah klasifikasi lainnya Algoritma Naive Bayes Teorema Bayes: P( C X) P( X C) P( C) P( X) Likelihood Prior Posterior Evidence Dimana : P(X) evidence atau bukti PX P(C) merupakan peluang prior P(C) P(X C) peluang bersyarat yang diketahui disebut sebagai likelihood P(C X) peluang bersyarat yang akan dicari atau peluang posterior Masalah menghitung P(X C) Apabila diberikan k atribut yang saling bebas (independence), nilai probabilitas dapat diberikan sebagai berikut. P(x 1,,x k C) = P(x 1 C) x x P(x k C) Jika atribut ke-i bersifat diskret, maka P(x i C) diestimasi sebagai frekuensi relatif dari sampel yang memiliki nilai x i sebagai atribut ke i dalam kelas C. 1
2 Namun jika atribut ke-i bersifat kontinu, maka P(x i C) diestimasi dengan fungsi densitas Gauss. f (x) 1 2 x 2 e 2 2 dengan = mean, dan = deviasi standar Independensi bersyarat Misalkan diberikan tiga variable acak X,Y dan Z Independensi bersyarat antara X dan Y terhadap Z dapat ditulis sebagai berikut : P X, Y Z P X, Y, Z P X Z Z Z PZ P, Y, P Y, x P Y, Z X Y Z xpy Z P, P X Z xpy Z Dan untuk independensi bersyarat X terhadap Y dan Z dapat ditulis sebagai berikut P X Y, Z PX Z 2
3 Cara kerja Naïve Bayesian Misalkan di berikan sebuah data sebagai berikut untuk diklasifikasi X 1 X 2... X n C Ya Tidak Ya Ya Maka dari data tersebut diketahui bahwa X 1, X 2,..., X n adalah atribut, sedangkan untuk C disebut sebagai target ( didalamnya hanya ada dua kemungkinan Ya atau Tidak ). Untuk mencari solusi dari target C diatas kita gunakan rumus dengan cara kerja sebagai berikut 1. Estimasi peluang dari target C Hitung peluang jika C=ya dan jika C= tidak 2. Estimasi peluang bersyarat X i terhadap C P d X C max PC i X P( X ) Hitung peluang bersyarat masing-masing atribut X terhadap C, misalnya P C X1, PC X 2 PC Xn 3. Estimasi peluang bersyarat PX C yang ingin dicari Hitung PXi C Ya dan PXi C Tidak 4. Bandingkan nilai antara PXi C Ya dan PXi C Tidak Jika nilai PXi C Ya > PXi C Tidak maka keputusan akhir adalah Ya Jika nilai PXi C Ya < PXi C Tidak maka keputusan akhir adalah Tidak i1 sampai 3
4 4. Contoh Misalnya ingin diketahui apakah suatu objek masuk dalam ketegori dipilih untuk perumahan atau tidak, maka dengan algoritma Naive Bayes Classifier kita dapat mencari solusi untuk kasus diatas. Untuk menetapkan suatu daerah akan dipilih sebagai lokasi untuk mendirikan perumahan, telah dihimpun 10 aturan. Ada 4 atribut yang digunakan, yaitu: harga tanah per meter persegi (C1), jarak daerah tersebut dari pusat kota (C2), ada atau tidaknya angkutan umum di daerah tersebut (C3), dan keputusan untuk memilih daerah tersebut sebagai lokasi perumahan (C4). a. Probabilitas kemunculan setiap nilai untuk atribut Harga Tanah (C1) b. Probabilitas kemunculan setiap nilai untuk atribut Jarak dari Pusat Kota (C2) c. Probabilitas kemunculan setiap nilai untuk atribut Ada Angkutan Umum (C3) 4
5 5
6 d. Probabilitas kemunculan setiap nilai untuk atribut Dipilih untuk perumahan (C4) e. Menghitung probabilitas setiap kejadian : Berdasarkan data tersebut, apabila diketahui suatu daerah dengan harga tanah MAHAL, jarak dari pusat kota SEDANG, dan ADA angkutan umum, maka dapat dihitung: YA TIDAK =P(Ya Tanah=MAHAL).P(Ya Jarak=SEDANG).P(Ya Angkutan=ADA).P(Ya) = 1/5 x 2/5 x 1/5 x 5/10 = 2/125 = 0,008 = P(Tidak Tanah=MAHAL).P(Tidak Jarak=SEDANG).P(Tidak Angkutan=ADA).P(Ya) = 3/5 x 1/5 x 3/5 x 5/10 = 2/125 = 0,036 Nilai probabilitas dapat dihitung dengan melakukan normalisasi terhadap likelihood tersebut sehingga jumlah nilai yang diperoleh = 1 0,008 Probabilitas Ya = 0,182. 0,008 0,036 Klasifikasi : TIDAK 0,036 0,818. Probabilitas Tidak = 0,008 0,036 Untuk jenis data harga tanah dan jarak pusat kota yang kontinue, misalnya : Probabilitas kemunculan setiap nilai untuk atribut Harga Tanah (C1) 10 10
7 Probabilitas kemunculan setiap nilai untuk atribut Jarak dari Pusat Kota (C2) Probabilitas kemunculan setiap nilai untuk atribut Angkutan Umum (C3) Probabilitas kemunculan setiap nilai untuk atribut Dipilih untuk Perumahan (C4) Apabila diberikan C1 = 300, C2 = 17, C3 = Tidak, maka: 1 f (C1 300 ya) 2 (168,8787) f (C1 300 tidak) f (C2 17 ya) f (C2 17 tidak) 1 2 ( ) 1 2 (3.9623) 1 2 (6,3008) e 2(168,8787) 0, e 2( ) 0, ,8 2 2 e 2(3.9623) 0, ,2 2 2 e 2(6,3008) 0,0633. Sehingga : Likelihood Ya = (0,0021) x (0,0009) x 4/5 x 5/10 = 0, Likelihood Tidak = (0,0013) x (0,0633) x 2/5 x 5/10 = 0, Nilai probabilitas dapat dihitung dengan melakukan normalisasi terhadap likelihood tersebut sehingga jumlah nilai yang diperoleh = 1 Probabilitas Ya = Probabilitas Tidak = 0, , , , , , , , Klasifikasi : TIDAK 11 11
8 Keuntungan Naïve Bayes, diantaranya : 1. Relatif mudah untuk diimplemetasikan karena tidak menggunakan optimasi numerik, perhitungan matriks dan lainnya. 2. Efisien dalam pelatihan dan penggunaannya. 3. Bisa menggunakan data binary atau polinom. 4. Karena diasumsikan independen maka memungkinkan metode ini diimplementasikan dengan berbagai macam data set. 5. Akurasi yang dihasilkan relatif tinggi. Kelemahan dari Naïve Bayes, 1. Diantaranya karena diasumsikan bahwa Naïve Bayes itu bersifat independen maka memiliki konsekuensi yaitu diantaranya : Perkiraan kemungkinan kelas yang tidak akurat Batasan atau threshold harus ditentukan secara manual dan bukan secara analitis
9 Implementasi naïve Bayesian menggunakan php, Misalkan ada data: Cuaca Temperatur Kecepatan Angin Olahraga Cerah Normal Pelan Ya Cerah Normal Pelan Ya Hujan Tinggi Pelan Tidak Cerah Normal Kencang Ya Hujan Tinggi Kencang Tidak Cerah Normal Pelan Ya Terlebih dahulu dibuat table dengan variable diatas di database phpmyadmin. Kemudian insert masing masing dari data nya: Setelah itu akan kita buat index.php, config.php, answer.php, dan file sql diatas. Pertama, kita buat file index.php <?php require_once("config.php"); $query = mysql_query("select * FROM sample_olahraga;");?> <!doctype html> <html> <head> <title>naive Bayesian Example</title> <style> *{ font-family:tahoma; } body{ 13 13
10 font-size:12px; } </style> </head> <body> <h1>data Learning</h1> <table width="50%" border="1" cellspacing="0" cellpadding="5"> <tr> <th>harga Tanah</th> <th>jarak dari pusat kota</th> <th>ada angkutan umum</th> <th>dipilih untuk perumahan?</th> </tr> <?php while($data = mysql_fetch_array($query)){?> <tr> <td><?php echo $data['harga_tanah'];?></td> <td><?php echo $data['jarak_dari_pusat_kota'];?></td> <td><?php echo $data['ada_angkutan_umum'];?></td> <td><?php echo $data['dipilih_untuk_perumahan'];?></td> </tr> <?php }?> </table> <h1>question</h1> <p> <form method="post" action="answer.php"> <table width="50%" cellspacing="0" cellpadding="5"> <tr> <td align="right" width="50%">harga Tanah</td> <td> <select style="padding:3px;" name="cuaca"> <option value="murah">murah</option> <option value="sedang">sedang</option> <option value="mahal">mahal</option> </select> </td> </tr> <tr> <td align="right">jarak dari pusat kota</td> <td> <select style="padding:3px;" name="temperatur"> <option value="dekat">dekat</option> <option value="sedang">sedang</option> <option value="jauh">jauh</option> </select> </td> </tr> <tr> <td align="right">kecepatan Angin</td> <td> 14 14
11 name="kecepatan_angin"> </td> <select style="padding:3px;" <option value="ada">ada</option> <option value="tidak">tidak</option> </select> </tr> <tr> <td align="right"> </td> <td><input type="submit" style="border:1px solid; padding:5px 10px 5px 10px;" value="temukan Jawaban"></td> </tr> </table> </form> </p> </body> </html> kemudian buat file answer.php, script nya seperti dibawah : <!doctype html> <html> <head> <title>naive Bayesian Example</title> <style> *{ font-family:tahoma; } body{ font-size:12px; } </style> </head> <body> <h1>jawaban</h1> <?php require_once("config.php"); $q['all'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan;"); $count['all'] = mysql_num_rows($q['all']); //HITUNG NILAI POSITIF (dipilih_untuk_perumahan = YA) $q['positive'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE dipilih_untuk_perumahan='ya';"); $count['positive'] = mysql_num_rows($q['positive']); $count['negative'] = $count['all'] - $count['positive']; //HITUNG MURAH $q['murah_ya'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Harga_Tanah='Murah' AND dipilih_untuk_perumahan='ya';"); $count['murah_ya'] = mysql_num_rows($q['murah_ya']); $q['murah_tidak'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Harga_Tanah='Murah' AND dipilih_untuk_perumahan='tidak';"); 15 15
12 $count['murah_tidak'] = mysql_num_rows($q['murah_tidak']); echo "MURAH YA : $count[murah_ya]/$count[positive]<br>"; echo "MURAH TIDAK : $count[murah_tidak]/$count[negative]<br><br>"; //HITUNG SEDANG $q['sedang_ya'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Harga_Tanah='Sedang' AND dipilih_untuk_perumahan='ya';"); $count['sedang_ya'] = mysql_num_rows($q['sedang_ya']); $q['sedang_tidak'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Harga_Tanah='Sedang' AND dipilih_untuk_perumahan='tidak';"); $count['sedang_tidak'] = mysql_num_rows($q['sedang_tidak']); echo "SEDANG YA : $count[sedang_ya]/$count[positive]<br>"; echo "SEDANG TIDAK : $count[sedang_tidak]/$count[negative]<br><br>"; //HITUNG MAHAL $q['mahal_ya'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Harga_Tanah='Sedang' AND dipilih_untuk_perumahan='ya';"); $count['mahal_ya'] = mysql_num_rows($q['mahal_ya']); $q['mahal_tidak'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Harga_Tanah='Mahal' AND dipilih_untuk_perumahan='tidak';"); $count['mahal_tidak'] = mysql_num_rows($q['mahal_tidak']); echo "MAHAL YA : $count[mahal_ya]/$count[positive]<br>"; echo "MAHAL TIDAK : $count[mahal_tidak]/$count[negative]<br><br>"; //HITUNG JARAK DEKAT $q['dekat_ya'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Jarak_dari_pusat_kota='Dekat' AND dipilih_untuk_perumahan='ya';"); $count['dekat_ya'] = mysql_num_rows($q['dekat_ya']); $q['dekat_tidak'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Jarak_dari_pusat_kota='Dekat' AND dipilih_untuk_perumahan='tidak';"); $count['dekat_tidak'] = mysql_num_rows($q['dekat_tidak']); echo "DEKAT YA : $count[dekat_ya]/$count[positive]<br>"; echo "DEKAT TIDAK : $count[dekat_tidak]/$count[negative]<br><br>"; //HITUNG JARAK SEDANG $q['sedang_ya'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Jarak_dari_pusat_kota='Sedang' AND dipilih_untuk_perumahan='ya';"); $count['sedang_ya'] = mysql_num_rows($q['sedang_ya']); $q['sedang_tidak'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Jarak_dari_pusat_kota='Sedang' AND dipilih_untuk_perumahan='tidak';"); $count['sedang_tidak'] = mysql_num_rows($q['sedang_tidak']); echo "SEDANG YA : $count[sedang_ya]/$count[positive]<br>"; echo "SEDANG TIDAK : $count[sedang_tidak]/$count[negative]<br><br>"; //HITUNG JARAK JAUH 16 16
13 $q['jauh_ya'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Jarak_dari_pusat_kota='Jauh' AND dipilih_untuk_perumahan='ya';"); $count['jauh_ya'] = mysql_num_rows($q['jauh_ya']); $q['jauh_tidak'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE Jarak_dari_pusat_kota='Jauh' AND dipilih_untuk_perumahan='tidak';"); $count['jauh_tidak'] = mysql_num_rows($q['jauh_tidak']); echo "JAUH YA : $count[jauh_ya]/$count[positive]<br>"; echo "JAUH TIDAK : $count[jauh_tidak]/$count[negative]<br><br>"; //HITUNG ADA ANGKUTAN UMUM $q['ada_ya'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE ada_angkutan_umum='ada' AND dipilih_untuk_perumahan='ya';"); $count['ada_ya'] = mysql_num_rows($q['ada_ya']); $q['ada_tidak'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE ada_angkutan_umum='ada' AND dipilih_untuk_perumahan='tidak';"); $count['ada_tidak'] = mysql_num_rows($q['ada_tidak']); echo "ADA YA : $count[ada_ya]/$count[positive]<br>"; echo "ADA TIDAK : $count[ada_tidak]/$count[negative]<br><br>"; //HITUNG TIDAK ANGKUTAN UMUM $q['tidak_ya'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE ada_angkutan_umum='tidak' AND dipilih_untuk_perumahan='ya';"); $count['tidak_ya'] = mysql_num_rows($q['tidak_ya']); $q['tidak_tidak'] = mysql_query("select * FROM sample_dipilih_untuk_perumahan WHERE ada_angkutan_umum='tidak' AND dipilih_untuk_perumahan='tidak';"); $count['tidak_tidak'] = mysql_num_rows($q['tidak_tidak']); echo "TIDAK YA : $count[tidak_ya]/$count[positive]<br>"; echo "TIDAK TIDAK : $count[tidak_tidak]/$count[negative]<br><br>"; $Harga_Tanah = $_POST['Harga_Tanah']; $Jarak_dari_pusat_kota = $_POST['Jarak_dari_pusat_kota']; $ada_angkutan_umum = $_POST['ada_angkutan_umum']; $p_mahal_ya = $count['mahal_ya'] / $count['positive']; $p_mahal_tidak = $count['mahal_tidak'] / $count['negative']; if($p_mahal_ya == 0) $p_mahal_ya = 0.2; if($p_mahal_tidak == 0) $p_mahal_tidak = 0.6; $p_sedang_ya = $count['sedang_ya'] / $count['positive']; $p_sedang_tidak = $count['sedang_tidak'] / $count['negative']; if($p_sedang_ya == 0) $p_sedang_ya = 0.33; if($p_sedang_tidak == 0) $p_sedang_tidak = 0.2; $p_ada_ya = $count['ada_ya'] / $count['positive']; $p_ada_tidak = $count['ada_tidak'] / $count['negative']; if($p_ada_ya == 0) 17 17
14 $p_ada_ya = 0.2; if($p_ada_tidak == 0) $p_ada_tidak = 0.6; echo "P(Harga_Tanah = Mahal, dipilih_untuk_perumahan = Ya) = $p_mahal_ya<br>"; echo "P(Jarak_dari_pusat_kota = Sedang, dipilih_untuk_perumahan = Ya) = $p_sedang_ya<br>"; echo "P(ada_angkutan_umum = Ada, dipilih_untuk_perumahan = Ya) = $p_ada_ya<br><br>"; echo "P(Harga_Tanah = Mahal, dipilih_untuk_perumahan = Tidak) = $p_mahal_tidak<br>"; echo "P(Jarak_dari_pusat_kota = Sedang, dipilih_untuk_perumahan = Tidak) = $p_sedang_tidak<br>"; echo "P(ada_angkutan_umum = Ada, dipilih_untuk_perumahan = Tidak) = $p_ada_tidak<br><br>"; if($harga_tanah == "Mahal"){ $pos_harga_tanah = $p_mahal_ya; $neg_harga_tanah = $p_mahal_tidak; }else{ $pos_harga_tanah = $p_mahal_tidak; $neg_harga_tanah = $p_harga_ya; } if($jarak_dari_pusat_kota == "Sedang"){ $pos_jarak_dari_pusat_kota = $p_sedang_ya; $neg_jarak_dari_pusat_kota = $p_sedang_tidak; }else{ $pos_jarak_dari_pusat_kota = $p_sedang_tidak; $neg_jarak_dari_pusat_kota = $p_sedang_ya; } if($ada_angkutan_umum == "Ada"){ $pos_ada_angkutan_umum = $p_ada_ya; $neg_ada_angkutan_umum = $p_ada_tidak; }else{ $pos_ada_angkutan_umum = $p_ada_tidak; $neg_ada_angkutan_umum = $p_ada_ya; } $Ya = ($pos_cuaca * $pos_temp * $pos_angin) * ($count['positive']/$count['all']); $Tidak = ($neg_cuaca * $neg_temp * $neg_angin) * ($count['negative']/$count['all']); echo "Ya : $Ya<br>"; echo "Tidak : $Tidak<br><br>"; if($ya > $Tidak) $answer = "<span style='color:blue;'>ya</span>"; else $answer = "<span style='color:red'>tidak</span>"; 18 18
15 echo "Jika Harga Tanah = <b>$harga_tanah</b>, Jarak dari pusat kota = <b>$jarak_dari_pusat_kota</b>, dan kada angkutan umum = <b>$ada_angkutan_umum</b>, maka dipilih untuk perumahan = <b>$answer</b>";?> </body> </html> Kemudian untuk yang terakhir buat file config.php sebagai penghubung database ke php, <?php?> mysql_connect("localhost","root",""); mysql_select_db("tugas_bayesian"); Kemudian sambungkan ke localhost server atau website, maka tampilannya seperti dibawah ini: Kemudian pilihan diatas anda pilih sesuai masalah yang akan dicari, misalkan pilih cuaca=cerah, Temperatur=Normal, Kecepatan Angin=Pelan. Lalu Pilih Temukan Jawaban
16 Maka dapat disimpulkan bahwa jika cuaca cerah, temperature normal, dan keadaan angin pelan maka diperbolehkan melakukan olahraga
17 BAYESIAN NETWORK Bayesian network adalah sebuah Dyrected acyclic graph ( DAG) dengan sebuah tabel probabilitas untuk setiap node. Node yang terdapat pada Bayesian network merupakan representasi variable proporsional dalam suatu domain dan garis menunjukkan hubungan ketergantungan diantara variablevariabel. Dalam hal kaitannya dengan basis data, pada network Bayesian node merupakan representasi dari atribut-atribut tabel yang ada pada basis data. Bayesian network dapat dikatakan sebagai salah satu penerapan metode klasifikasi pada fungsi prediktif pada teknologi data mining. Bayesian Network atau Belief Network atau Probabilistik Network adalah model grafik untuk merepresentasikan interaksi antar variabel. Bayesian Network digambarkan seperti graf ( gambar 1) yang terdiri dari simpul (node) dan busur (arc). Simpul menunjukkan variabel misal X beserta nilai probabilitasnya P(X) dan busur menunjukkan hubungan antar simpul. Jika ada hubungan dari simpul X ke simpul Y, ini mengindikasikan bahwa variabel X ada pengaruh terhadap variabel Y. Pengaruh ini dinyatakan dengan peluang bersyarat P(Y X). X adalah Rain dan Y adalah Wet Grass Gambar 1 Struktur Bayesian Network Disamping kondisi independen bersyarat yang dikenakan dengan topologi network, tiap node juga diasosiasikan dengan tabel peluang. 1. Jika node X tidak memiliki orangtua, maka tabel hanya berisi peluang prior P X. 2. jika node X hanya memiliki satu orangtua, Y, maka tabel berisi peluang bersyarat P X Y. 3. jika node X memiliki banyak orangtua Y, Y, 2, P X Y1, Y2,, Y k. `` Untuk penggunaan bayesian network digunakan rumus berikut Ada d`ua unsur kunci Bayesian network : Y k 1, maka tabel berisi peluang bersyarat 1. D`irected acyclic graph (dag) mengencode hubungan dependen antar set variabel. 2. Tabel peluang mengasosiasikan tiap node ke node parent selanjutnya. n P( X1 x1,..., X n xn) P( X i xi Parents( X i )) i
18 Perhatikan tiga variabel acak, A, B, dan C dengan A dan B variabel independen dan masing-masing memiliki pengaruh langsung pada variabel ketiga C. Hubungan antar variabel dapat diringkas ke dalam directed acyclic graph yang ditunjukkan Tabel 2 (a). Tiap node pada grafik merepresentasikan sebuah variabel, dan tiap panah menyatakan hubungan dependen antara pasangan variabel. Jika arah panah dari a ke c, maka a adalah parent dari c dan c adalah anak dari a
19 Cara kerja Bayesian network Asumsikan diberikan sebuah data biasa: Variable 1 : memiliki probabilitas 1. Variable 2 : memiliki probabilitas Variabel n : memilki probabilitas n. Untuk Data data tersebut proses pengolahannya: a. Amati node dari tiap variable. b. Hubungkan tiap node node tersebut berdasarkan hubungan sebab akibat jika terdapat hubungan Sebagai contoh misalkan ada struktur Bayesian Network seperti dibawah ini: P(C B) B A P(C A) C P(C B,A) Maka dari graf diatas terlihat bahwa A dan B independen, sementara C terhubungkan oleh A dan juga B dan jika terhubung maka untuk mencari nilai peluangnya kita gunakan peluang bersyarat. c. Ulangi proses b hingga semua node terhubungkan satu sama lain. d. Estimasi peluang dari masalah yang akan dicari solusinya dengan melihat nilai peluang dari masing-masing node baik yang independen dan bersyarat dan biasanya untuk nilai peluang dari masing-masing node sudah ditentukan dari awal. e. Hitung peluang dari masalah yang ingin dicari solusinya dengan melihat nilai peluang dari masing-masing node yang berhubungan dengan node yang ingin dicari solusinya dengan tetap menggunakan kaidah Bayes yang telah dijelaskan pada algoritma Naïve Bayesian sebelumnya dengan rumus n P( X1 x1,..., X n xn) P( X i xi Parents( X i )) i1 f. Bandingkan nilai dari hasil node yang telah diperoleh untuk dicari solusinya Misalnya untuk graf C diatas, bandingkan jika nilai C=ya dan jika C= tidak g. Tarik kesimpulan berdasarkan nilai peluang yang tertinggi dari proses f
20 Contoh mengambil keputusan menggunakan Bayesian Network Berdasarkan gambar struktur Bayesian network terdiri dari enam variable yang dipresentasikan dalam nodenode yaitu : Exercise ( E), Diet (D), Heart Desease ( HD), Heartburn ( Hb), Blood Pressure (BP), Chest Pain (CP), dan terdapat 3 skenario diagnosis untuk menentukan seseorang akan mempunyai penyakit jantung (HD=Yes) atau tidak (HD=No). Kasus 1 : tidak ada informasi terdahulu Tanpa informasi sebelumnya, dapat ditentukan apakah sesorang memiliki heart disease dengan menghitung peluang prior P(HD=Yes) dan P(HD=No). Untuk menyederhanakan notasi, Yes, No nilai biner dari Exercise dan Healthy,Unhealthy HD Yes PHD Yes E, D PE D P, HD Yes E D PE PD P, melambangkan nilai biner dari Diet. melambangkan = 0.25 x 0.7 x x 0.7 x x 0.3 x x 0.3 x 0.75 = 0.49 Karena P(HD=no) = 1 - P(HD=yes)=0.51, orang tersebut besar kemungkinan tidak terkena penyakit tersebut. Kasus 2 : tekanan darah tinggi Jika seseorang memiliki tekanan darah tinggi, dapat dilakukan diagnosa penyakit hati dengan membandingkan peluang posterior P(HD = Yes BP=High) dengan P(HD = No BP=High). Untuk melakukan ini, harus dihitung P(BP=High)
21 dengan Yes, No P BP High PBP High HD PHD = 0.85 x x 0.51 = Oleh karena itu, peluang posterior seseorang memiliki penyakit hati adalah : P HD Yes BP High P BP High HD YesPHD Yes P BP High 0.85x Dengan cara yang sama, P(HD = No BP=High) = = Oleh karena itu, ketika seseorang memiliki tekanan darah tinggi, maka resiko terkena penyakit hati akan meningkat. Kasus 3 : tekanan darah tinggi, diet sehat dan olahraga teratur Jika diberitahu bahwa orang tersebut melakukan olahraga teratur dan makan dengan pola diet yang sehat. Bagaimana informasi baru mempengaruhi diagnosa? Dengan informasi baru tersebut, peluang posterior bahwa seseorang terkena penyakit hati adalah : P HD Yes BP High, D Healthy, E Yes P BP P High HD Yes, D Healthy, E Yes BP High D Healthy, E Yes xp HD Yes D Healthy, E Yes PBP High HD YesPHD Yes D Healthy, E Yes PBP High HD PHD D Healthy, E Yes 0.85x x x0.75 = sedang peluang bahwa seseorang tidak terkena penyakit hati adalah : P(HD=No BP=High, D=Healthy, E=Yes) = = Model tersebut selanjutnya menyatakan bahwa dengan pola makan sehat dan melakukan olahraga teratur akan mengurangi resiko penyakit hati
22 Contoh networks bayesian dengan program Genie v2.0. Misalkan ada kausal diagram, berikut probabilitasnya: Untuk menjawab Brapa probailitas terjadi hujan jika rumput dalam keadaan basah? Kita akan menggunakan software Genie untuk menjawab probailitas tersebut. Pertama, buat 3 variabel dulu Kemudian, buat iconnya dengan meklik icon warna kuning pada toolbar genie, kemudian tarik ke kanvas. Setelah terbuat, maka langsung diberi nama
23 Jika variabel telah anda buat, anda bisa klik 2 kali pada variable tersebut, dan diberi nama rain atau hujan. Anda buat selanjutnya untuk 2 variabel yang lain dengan nama sprinkler dan grass wet. Hasilnya adalah seperti dibawah ini: Kedua, menentukan hubungan setiap variabel. Hubungkan dengan tanda panah tiap node seperti dalam causal loopdiagram atau diagram sebab akibat. Anda bisa melihat pada gambar diatas, pilih icon bernama arc. Lalu klik, tinggal anda arahkan pada gambar dengan klik pada asal panah ke tujuan panah. Maka, hasilnya seperti dibawah ini
24 Ketiga, mengisi probabilitasnya. Untuk mengisi probabilitasnya anda mulai dengan titik keluar, atau variabel yang menyebabkan dulu. Dalam hal ini adalah tujuan yaitu rain. Maka jika anda mengklik 2 kali variabel rain akan keluar windows node properties rain, tinggal anda cari tab definition kemudian isi dengan probabilitasnya. Gambarnya seperti diatas jika anda mengklik 2 kali pada variable, kemudian anda isikan sesuai soal pada studi kasus. Cara mengisinya adalah anda arahkan cursor anda pada kolom yang disediakan. Untuk variabel srinklernya adalah sebagai berikut: Baris pertama (rain, true, false) menunjukkan kolom untuk hujan, sedangkan baris ke-2 dan ke-3 menunjukkan sprinklernya. Untuk variabel terakhirnya hasilnya seperti dibawah ini: 28 28
25 Keempat, adalah mengkondisikan sesuai soal pada studi kasus. Yaitu berapa probabilitas terjadi hujan jika rumput dalam keadaan basah?. Sementara yang perlu anda perhatikan dalam genie adalah view as, set evidence dan update beliefs. Untuk letak vies as: Klik pada icon, kemudian pada menu node lalu view as lalu bar chart. Untuk letak set evidence, yaitu sekarang yang anda lakukan adalah mengeset evidence pada setiap variabel sesuai soalnya. Pada kasus ini yang perlu di set evidence-nya adalah: - Wet grass diset true. - Rain dibiarkan saja. - Sprinkler juga dibiarkan saja. Cara mensetnya adalah dengan klik pada tanda tanya di pojok kiri setiap icon, jadi yang perlu anda set adalah hanya wet grass, yaitu sebagai 29 berikut: 29
26 Pada gambar diatas, pilih set evidence lalu pilih true. Untuk update beliefs, klik pada simbol? lalu pilih update beliefs. Kemudian otomatis yang tidak di set evidence akan update berdasarkan yang di setn (wet grass) Kesimpulannya, selain tanda centang adalah set evidence, dalam gambar diatas hanya grass wet yang diset. Kemudian berdasarkan data yang telah di input terdapat nilai 0,413% yang menunjukkan probabilitas hujan jika rumput basah
27 31 31
MODEL DATA MINING CAPAIAN PEMBELAJARAN. N. Tri Suswanto Saptadi. Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 12/4/2015
1 MODEL DATA MINING N. Tri Suswanto Saptadi CAPAIAN PEMBELAJARAN Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 1 3 Definisi Mining : proses atau usaha untuk mendapatkan sedikit barang
Lebih terperinciAlgoritma Bayesian Network Untuk Simulasi Prediksi Pemenang PILKADA Menggunakan MSBNx
Algoritma Bayesian Network Untuk Simulasi Prediksi Pemenang PILKADA Menggunakan MSBNx Andi Lukman Dosen Teknik Informatika STIMED Nusa Palapa Makassar, Indonesia uke@stimednp.ac.id Muh Nadzirin Anshari
Lebih terperinci( ) ( ) (3) II-1 ( ) ( )
BAB II LANDASAN TEORI 2.1 Naïve Bayes Classifier 2.1.1 Teorema Bayes Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema Bayes (atau aturan Bayes) dengan
Lebih terperinciAkurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa
Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode NAÏVE BAYES M. Ridwan Effendi Fakultas Komputer Jurusan Sistem Informasi Universitas Mohammad Husni Thamrin Jakarta Email :
Lebih terperinciBAB II TINJAUAN PUSTAKA. sekumpulan besar data yang tersimspan dalam penyimpanan dengan
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Data Mining A. Pengertian Data Mining Menurut Gartner Group data mining adalah suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dengan
Lebih terperinciLisensi Dokumen: Uraian Kasus :
Uraian Kasus : Pada kasus ini seorang mahasiswa ingin membuat Program sederhana tentang Nomor Handphone teman-temannya untuk mengantisipasi kehilangan HPnya atau HP Error sehingga perlu di Flash ulang
Lebih terperinciPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PERBANDINGAN AKURASI ALGORITMA NAIVE BAYES CLASSIFIER DAN ALGORITMA BAYESIAN BELIEF NETWORK DALAM MENGKLASIFIKASIKAN MAHASISWA UNIVERSITAS SANATA DHARMA PROGRAM STUDI TEKNIK INFORMATIKA Skripsi Diajukan
Lebih terperinciSISTEM UNTUK DETEKSI KERUSAKAN MESIN DIESEL MOBIL PANTHER DENGAN METODE NAÏVE BAYES
ISSN : 2338-4018 SISTEM UNTUK DETEKSI KERUSAKAN MESIN DIESEL MOBIL PANTHER DENGAN METODE NAÏVE BAYES Wawan Singgih P (wawan.sinus@gmail.com) Didik Nugroho (didikhoho@gmail.com) Yustina Retno WU (yustina.retno@gmail.com)
Lebih terperinciIMPLEMENTASI METODE BAYESIAN NETWORK UNTUK DECISION SUPPORT SYSTEM PADA MINI DETECTOR EARTHQUAKE
IMPLEMENTASI METODE BAYESIAN NETWORK UNTUK DECISION SUPPORT SYSTEM PADA MINI DETECTOR EARTHQUAKE Yosep Aditya Wicaksono1), Heru Agus Santoso2) 1), 2) Teknik Informatika Fakultas Ilmu Komputer Universitas
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Masalah Analisis masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Penunjang Keputusan Untuk Menentukan Kualitas Ekspor
Lebih terperinciKLASIFIKASI KARAKTERISTIK MAHASISWA UNIVERSITAS COKROAMINOTO PALOPO MENGGUNAKAN METODE NAÏVE BAYES DAN DECISION TREE. Yuli Hastuti
Jurnal Dinamika, September 2016, halaman 34-41 P-ISSN: 2087 7889 E-ISSN: 2503 4863 Vol. 07. No.2 KLASIFIKASI KARAKTERISTIK MAHASISWA UNIVERSITAS COKROAMINOTO PALOPO MENGGUNAKAN METODE NAÏVE BAYES DAN DECISION
Lebih terperinciMODUL 12 Model Prediktif
MODUL 12 Model Prediktif Prediktif Analytics adalah teknologi yang menangkap proses data mining dalam rutinitas sederhana. Kadang-kadang disebut "one-click data mining," Model ini menyederhanakan dan mengotomatisasi
Lebih terperinciTeknik Pengklasifikasi : Bayesian, JST (ANN) Bertalya Universitas Gunadarma 2009
Teknik Pengklasifikasi : Bayesian, JST (ANN) Bertalya Universitas Gunadarma 2009 Masalah Pengklasifikasian Klas suatu record yg diuji tidak selalu dapat diprediksi disebabkan oleh faktor2 penentu tidak
Lebih terperinciAlfa Saleh. Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan
PENERAPAN DATA MINING DENGAN METODE KLASIFIKASI NAÏVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA DALAM MENGIKUTI ENGLISH PROFICIENCY TEST (Studi Kasus : Universitas Potensi Utama) Alfa Saleh Teknik Informatika
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Teoritis 2.1.1 Autisme Monks dkk., mengungkapkan bahwa autisme berasal dari kata autos yang berarti aku. Pada pengertian nonilmiah kata tersebut dapat ditafsirkan bahwa
Lebih terperinciCreate Read Update Delete using PHP MySql
2016 Create Read Update Delete using PHP MySql CRUD TABEL ALUMNI DWI SETIYA NINGSIH // 210 315 70 25 [COMPANY NAME] [Company address] SS Program Gambar 1.1 Tampilan index.php Gambar 2.1 Tampilan edit.php
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Sistem yang Berjalan Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Pendukung Keputusan Pemberian
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Tinjauan Studi Terdapat beberapa penelitian yang terkait dan yang relevan dengan penelitian ini, dan itu telah di buat berbagai perbandingan untuk penggunaan Metode Bayesian
Lebih terperinciModul Pemrograman Web Teori + Praktik PHP, XML, Jquery, Ajax, Yii
Modul Pemrograman Web Teori + Praktik PHP, XML, Jquery, Ajax, Yii 2015 Pertemuan IV MEMBUAT FILE CRUD (Create Read Update dan Delete) menggunakan PHP 3.1 Ringkasan Materi Apa itu CRUD? CRUD adalah singkatan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metode Pengumpulan Data Dalam kegiatan pengumpuan data untuk penelitian ini digunakan metode pengumpulan studi pustaka yag mana pada metode ini kegiatan dilakukan adalah
Lebih terperinciBAB I PENDAHULUAN. Peminatan atau bidang peminatan adalah sebuah jurusan yang harus di
BAB I PENDAHULUAN I. Latar Belakang Peminatan atau bidang peminatan adalah sebuah jurusan yang harus di ambil oleh mahasiswa untuk menentukan arah kompetensi dan keahlian mahasiswa tersebut yang mana di
Lebih terperinciBAB X AKSES DAN MANIPULASI DATA
BAB X AKSES DAN MANIPULASI DATA A. TUJUAN Memahami konsep dasar akses dan manipulasi data. Mampu mengintegrasikan aplikasi PHP dengan database MySQL. Mampu menghasilkan aplikasi web database untuk pengolahan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Instrumen Penelitian Penelitian yang akan dilakukan penulis ini menggunakan beberapa instrument penelitian, instrument tersebut dalam bentuk software maupun hardware yang
Lebih terperinciPEMILIHAN TEMPAT KKN (KULIAH KERJA NYATA) DI KABUPATEN TULUNGAGUNG DENGAN METODE NAIVE BAYES SKRIPSI. Diajukan Guna Memenuhi Salah Satu Syarat
PEMILIHAN TEMPAT KKN (KULIAH KERJA NYATA) DI KABUPATEN TULUNGAGUNG DENGAN METODE NAIVE BAYES SKRIPSI Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer ( S.Kom.) Pada Program Studi
Lebih terperinciLangkah Cara Membuat Form Login Menggunakan PHP dan MySQL Langkah 1: Membuat Tabel MySQL User/Pengguna
Dalam tutorial cara membuat form login dengan PHP dan MySQL, kita akan belajar membuat halaman login untuk website dengan menggunakan PHP Session. Tutorial ini merupakan tutorial tingkat dasar, sederhana
Lebih terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES DALAM MENENTUKAN PENGUNDURAN DIRI CALON MAHASISWA PADA UNIVERSITAS DIAN NUSWANTORO SEMARANG
1 IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES DALAM MENENTUKAN PENGUNDURAN DIRI CALON MAHASISWA PADA UNIVERSITAS DIAN NUSWANTORO SEMARANG Muhammad Efendi Program Studi Teknik Informatika
Lebih terperinciIMPLEMENTASI DAN PENGUJIAN
BAB. V. IMPLEMENTASI DAN PENGUJIAN V.1 Implementasi SIDAMIBAYES Hasil perancangan yang telah dilakukan pada pada tahap perancangan selanjutnya akan diimplementasi menjadi program/perangkat lunak yang siap
Lebih terperinciPENERAPAN DATA MINING DALAM MENENTUKAN JURUSAN SISWA
PENERAPAN DATA MINING DALAM MENENTUKAN JURUSAN SISWA Alfa Saleh Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan Email : alfasoleh1@gmail.com Abstrak
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Salah satu metode penambangan data adalah klasifikasi. Metode klasifikasi memiliki beberapa algoritma dan setiap algoritma klasifikasi pada
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) LEARNING BAYESIAN NETWORK PADA GAME SPORT PINGPONG
80 LEARNING BAYESIAN NETWORK PADA GAME SPORT PINGPONG Prama Azaria Nurhalim Putra 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl. Dipatiukur 112 114
Lebih terperinciMenampilkan user online seperti di obrolan step by step
Menampilkan user online seperti di obrolan step by step Oleh: lukman hakim Salam hangat temen2 Jagocoding.com, Berikut saya akan berbagi tutorial sederhana yakni bagaimana cara menampilkan user online
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES
IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES Nama : Muhammad Rizki NPM : 54410806 Jurusan Pembimbing
Lebih terperinciBAB 3 ALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan.
BAB 3 ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. A. Pohon Keputusan Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : - Algoritma Naïve Bayes Classifier
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : Tabel 2.1 Penelitian sebelumnya Parameter Penulis Objek Metode Hasil
Lebih terperinciStruktur Bayesian Network untuk Penentuan Class Karakteristik Siswa pada Sistem Tutor Cerdas
Struktur Bayesian Network untuk Penentuan Class Karakteristik Siswa pada Sistem Tutor Cerdas Ika Widiastuti #1, Ratih Ayuninghemi #2 # Jurusan Teknologi Informasi, Politeknik Negeri Jember Jl. Mastrip
Lebih terperinciLangkah 1 Struktur Folder. Langkah 2 Database. Detil Tutorial
Detil Tutorial Tingkat Kesulitan: Pemula Bahasa: PHP Software yang Digunakan: Dreamweaver Lama Pengerjaan: 1 Hours 2 Hours Untuk mengawali kembalinya materi tentang PHP & MySQL, saya membuat tutorial untuk
Lebih terperinciMateri 10: Create Read Update Delete
JURNAL PRAKTIKUM (LAB. ACTIVITY) PEMROGRAMAN WEB LANJUT SI087 Materi 10: Create Read Update Delete Dosen: Lilis Dwi Farida, S.Kom., M.Eng Moch. Farid Fauzi, M.Kom Irma Rofni Wulandari, S.Pd., M.Eng S1
Lebih terperinciMODUL PEMOGRAMAN WEB II STMIK IM BANDUNG MODUL PEMOGRAMAN WEB II. Oleh: CHALIFA CHAZAR. Chalifa Chazar edu.script.id
1 MODUL PEMOGRAMAN WEB II Oleh: CHALIFA CHAZAR 2 MODUL 13 PHP & MySQL Tujuan: Mahasiswa memahami cara mengkoneksikan dan menggunakan MySQL dengan PHP untuk menyelesaikan permasalahan tertentu. Pustaka:
Lebih terperinciMetode Bayes. Tim Machine Learning
Metode Bayes Tim Machine Learning Mengapa Metode Bayes Metode Find-S tidak dapat digunakan untuk data yang tidak konsisten dan data yang bias, sehingga untuk bentuk data semacam ini salah satu metode sederhana
Lebih terperinciBAB II TINJAUAN PUSTAKA
10 BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Analisis Analisis adalah penyelidikan terhadap suatu peristiwa (perbuatan, karangan dan sebagainya) untuk mendapatkan fakta yang tepat (asal usul, sebab,
Lebih terperinciScript PHP dan MySQL J A M K E E M P A T
J A M K E E M P A T Script PHP dan MySQL l l l l l l Membuat Koneksi ke Server Menyeleksi Database Mengakses Query Menampilkan Hasil Query Latihan Jam Keempat Soal Jam Keempat Membuat Koneksi ke Server
Lebih terperinciAPLIKASI SPAM FILTER PADA MICROSOFT OUTLOOK DENGAN METODE BAYESIAN
APLIKASI SPAM FILTER PADA MICROSOFT OUTLOOK DENGAN METODE BAYESIAN Rudy Adipranata, Adi Wibowo, Eko Katsura Koessami Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperincib) Membuat database tiket. Siapkan databasenya dengan membuat database tiket Sampai langkah ini database tiket sudah siap digunakan
STJ MySQL-PHP Menggunakan MySQL sebagai database server a) Menghidupkan MySQL Database Server C:\mysql\bin>mysqld b) Membuat database tiket. Siapkan databasenya dengan membuat database tiket C:\mysql\bin>mysqladmin
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Data Mining Data mining merupakan disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari suatu data (Han and Kamber, 2006). Data mining sering
Lebih terperinciAPLIKASI DATA MINING UNTUK MENGHASILKAN POLA KELULUSAN SISWA DENGAN METODE NAÏVE BAYES
ISSN 1858-4667 JURNAL LINK VOL 21/No. 2/September 2014 APLIKASI DATA MINING UNTUK MENGHASILKAN POLA KELULUSAN SISWA DENGAN METODE NAÏVE BAYES Budanis Dwi Meilani, Nofi Susanti Jurusan Teknik Informatika,
Lebih terperinciMODUL PEMOGRAMAN WEB II STMIK IM BANDUNG MODUL PEMOGRAMAN WEB II. Oleh: CHALIFA CHAZAR. Chalifa Chazar edu.script.id
1 MODUL PEMOGRAMAN WEB II Oleh: CHALIFA CHAZAR 2 MODUL 13 PHP & MySQL Tujuan: Mahasiswa memahami cara mengkoneksikan dan menggunakan MySQL dengan PHP untuk menyelesaikan permasalahan tertentu. Pustaka:
Lebih terperinciIMPLEMENTASI METODE BAYESIAN DALAM PENJURUSAN DI SMA BRUDERAN PURWOREJO STUDI KASUS: SMA BRUDERAN PURWOREJO
IMPLEMENTASI METODE BAYESIAN DALAM PENJURUSAN DI SMA BRUDERAN PURWOREJO STUDI KASUS: SMA BRUDERAN PURWOREJO Sendy Winanta Yetli Oslan, Gunawan Santoso Abstrak Penjurusan siswa kelas X SMA yang akan naik
Lebih terperinciRuang Kerja DREAMWEAVER MX 2004 :
1.1 Pengertian Macromedia Dreamweaver : merupakan sebuah HTML editor Profesional untuk mendesain secara visual dan mengelola situs web beserta halaman- web. 1.2 Spesifikasi PC untuk menjalankan DREAMWEAVER
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Seseorang yang ingin memeriksa kesehatannya cenderung untuk berkonsultasi ke dokter ahli, namun terkadang hal ini dapat menyulitkan seseorang
Lebih terperinciPENERAPAN ALGORITMA NAÏVE BAYES UNTUK DETEKSI BAKTERI E-COLI
PENERAPAN ALGORITMA NAÏVE BAYES UNTUK DETEKSI BAKTERI E-COLI Laily Hermawanti Program Studi Teknik informatika Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Diponegoro 1B Jogoloyo Demak Telpon
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM. Pada bab ini akan dibahas mengenai analisa dan perancangan dari sistem.
17 BAB III ANALISA DAN PERANCANGAN SISTEM Pada bab ini akan dibahas mengenai analisa dan perancangan dari sistem. Analisa system dilakukan untuk menemukan solusi dari permasalahan yang telah diajukan sebelumnya.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Anak merupakan sebuah karunia bagi setiap orangtua. Setiap anak diharapkan dapat tumbuh dan berkembang secara sehat, baik fisik, mental dan sosial sesuai dengan pertambahan
Lebih terperinciAdvantages. Keunggulan :
Advantages Keunggulan : Tampilan (interface) Dreamweaver mudah dimengerti oleh pengguna dari semua tingkat keahlian, bahkan bagi orang awam sekalipun. Dreamweaver cukup tangguh untuk membangun berbagai
Lebih terperinciMembuat Database mysql dengan PhpMyAdmin
Materi artikel : Membuat database mysql dengan PhpMyadmin View Insert Edit Delete Searching Membuat Hitcounter dengan file teks Syarat : Mengerti penggunaan tag HTML Browser dapat mengenali sintak Php
Lebih terperinciPenerapan Data Mining Untuk Menampilkan Informasi Pertumbuhan Berat Badan Ideal Balita dengan Menggunakan Metode Naive Bayes Classifier
Penerapan Data Mining Untuk Menampilkan Informasi Pertumbuhan Berat Badan Ideal Balita dengan Menggunakan Metode Naive Bayes Classifier Octia Nuraeni 55410244 Teknik Informatika Pembimbing : Dr. Riza Adrianti
Lebih terperinciKecerdasan Buatan/ Artificial Intelligence
Kecerdasan Buatan/ Artificial Intelligence Bayesian Network Imam Cholissodin, S.Si., M.Kom. Pokok Bahasan 1. Syntax & Semantics 2. Compact conditional distributions 3. Efficient Inference 4. Latihan Individu
Lebih terperinciImplementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga
Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga 207 Alfa Saleh Universitas Potensi Utama E-mail: alfasoleh1@gmail.com Abstrak Peranan listrik sangat
Lebih terperinciBerdasarkan sistem yang sedang berjalan, tahapan-tahapan proses. deteksi adanya viskositas darah dalam tubuh adalah sebagai berikut :
37 3. Jenis Kelamin Contoh input data jenis kelamin adalah : Jenis Kelamin : Laki-Laki III.1.2. Analisa Proses Berdasarkan sistem yang sedang berjalan, tahapan-tahapan proses deteksi adanya viskositas
Lebih terperinciMembuat Toko Buku dengan PHP - MySQL
Membuat Toko Buku dengan PHP - MySQL Iman Amalludin iman.llusion@gmail.com :: http://blog.imanllusion.hostzi.com Abstrak PHP. Apa itu? PHP (Hypertext Preprocessor) adalah bahasa skrip yang dapat ditanamkan
Lebih terperinciPengenalan Pola. Klasifikasi Naïve Bayes
Pengenalan Pola Klasifikasi Naïve Bayes PTIIK - 2014 Course Contents 1 Naïve Bayes Classifier 2 Fase Training 3 Fase Testing 4 Studi Kasus dan Latihan Naïve Bayes Classifier Metode klasifikasi ini diturunkan
Lebih terperinciLAMPIRAN. Lampiran 1 Wawancara dengan Bapak Thoriq Rachmat selaku Manager IT di PT. 1. Apakah perusahaan saat ini membutuhkan sistem server yang baru?
LAMPIRAN Lampiran 1 Wawancara dengan Bapak Thoriq Rachmat selaku Manager IT di PT. Indonesia News Center. 1. Apakah perusahaan saat ini membutuhkan sistem server yang baru? Jawab: Ya, kami membutuhkan
Lebih terperinciBAB I PENDAHULUAN. dilakukan secara sadar dengan cara menganalisa kemungkinan - kemungkinan
BAB I PENDAHULUAN I.1. Latar Belakang Keputusan adalah suatu reaksi terhadap beberapa solusi alternatif yang dilakukan secara sadar dengan cara menganalisa kemungkinan - kemungkinan dari alternatif tersebut
Lebih terperinciPEMBANGUNAN SPAM FILTERING SYSTEM DENGAN METODE NAIVE BAYESIAN
Makalah Nomor: KNSI-72 PEMBANGUNAN SPAM E-MAIL FILTERING SYSTEM DENGAN METODE NAIVE BAYESIAN Indrastanti R. Widiasari.1, Teguh Indra Bayu 2 1, 2 Fakultas Teknologi Informasi, Universitas Kristen Satya
Lebih terperinciSimak baik-baik komentar-komentar dalam setiap skrip. Komentar diawali dengan tanda #, //, atau /* dan */
Tutorial ini akan membimbing kalian membuat sebuah database bernama bioteman dengan sebuah tabel bernama teman. Tabel biodata ini berisi kolom nomor, namateman, tglahir, dan nomorhp. Tabel tersebut akan
Lebih terperinciMembuat Login Dengan PHP dan MYSQL
Membuat Login Dengan PHP dan MYSQL Ramdhan Indra Bangun dadhan.rpl@gmail.com :: Abstrak Aplikasi login User dalam suatu situs dinamis menggunakan php sudah hamper menjadi kebutuhan wajib. Tanpa adanya
Lebih terperinciMembangun koneksi dari PHP ke MySQL adalah dengan fungsi mysql_connect();
Integrasi PHP dan MySQL PHP akan mengakses database melalui web server yaitu Apache. Jika database server dan web server berada pada komputer yang sama maka koneksi akan menggunakan localhost sebagai nama
Lebih terperinciTIB18 - PEMROGRAMAN WEB. Pemrograman Web Pertemuan & 21-22
TIB18 - PEMROGRAMAN WEB Pemrograman Web Pertemuan 19-20 & 21-22 Kompetensi Khusus Mahasiswa dapat membuat aplikasi berbasiskan web dengan menggunakan Data ManipulaIon Language (DML) melalui PHP yang terkoneksi
Lebih terperinciPemrograman Web Lanjut 2017
Praktikum 9 9.1. CRUD Operasi CRUD (Create, Read, Update, Delete) merupakan operasi dasar yang sering digunakan di dalam database. Fungsi dari operasi ini adalah mengolah data secara dinamis pada aplikasi
Lebih terperinciPENERAPAN METODE NAIVE BAYES UNTUK KLASIFIKASI JAGUNG PRODUKTIF DI GORONTALO
PENERAPAN METODE NAIVE BAYES UNTUK KLASIFIKASI JAGUNG PRODUKTIF DI GORONTALO Ramayanti Kaku, Arip Mulyanto, Manda Rohandi Program Studi Sistem Informasi/ Jurusan Teknik Informatika Abstrak Bervariasinya
Lebih terperinciCheckbox dengan Foreach dan MYSQL
Checkbox dengan Foreach dan MYSQL Dwi Jayanthi dwi1607@gmail.com Abstrak Pada tutorial ini, kita akan membahas tentang Insert Data Checkbox dengan Foreach ke database MySQL. Komponen Checkbox merupakan
Lebih terperinciMengenal PHP dan Web Server
J A M P E R T A M A Mengenal PHP dan Web Server l Apa itu PHP? l Instalasi Web Server l Menggunakan Web Editor l Sintaks Dasar PHP l Perintah Cetak dan Menyimpan File l Pemisah Blok Perintah dan Komentar
Lebih terperinciBAB IV IMPLEMENTASI SISTEM DAN PENGUJIAN. meliputi pembahasan mengenai proses perekaman gambar berdasarkan interval
BAB IV IMPLEMENTASI SISTEM DAN PENGUJIAN 4.1. Implementasi Sistem Pada sub bab ini akan dibahas mengenai implementasi sistem yang perancangannya telah dibahas pada bab sebelumnya. Implementasi sistem ini
Lebih terperinciBAB I PENDAHULUAN. tindakan di antara beberapa alternatif yang tersedia. Setiap proses pengambilan. mencapai tujuan melalui pelaksanaan atau tindakan.
BAB I PENDAHULUAN I.1. Latar Belakang Pengambilan keputusan dapat dianggap sebagai suatu hasil atau keluaran dari proses mental atau kognitif yang membawa pada pemilihan suatu jalur tindakan di antara
Lebih terperinciE-trik Ajax. Database MySQL. Dedi Alnas
E-trik Ajax Database MySQL Dedi Alnas Pengenalan MySQL Tutorial kali ini akan membahas cara pembuatan aplikasi web yang dapat dihubungkan dengan MySQL. Pada paket instalasi Xampp terdapat MySQL dan phpmyadmin.
Lebih terperinciKLASIFIKASI CALON PENDONOR DARAH MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (Studi Kasus : Calon Pendonor Darah di Kota Semarang)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 2, Tahun 2017, Halaman 193-200 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI CALON PENDONOR DARAH MENGGUNAKAN METODE NAÏVE BAYES
Lebih terperinciSKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Teknik Informatika OLEH :
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA PENDAFTARAN SISWA BARU JALUR PRESTASI MENGGUNAKAN METODE NAÏVE BAYES (Studi Kasus di SMKN 1 Boyolangu Tulungagung) SKRIPSI Diajukan Untuk Memenuhi Sebagian
Lebih terperinciPENGENALAN HTML - 2. Anda bisa menambahkan beberapa cell (kolom) untuk membuat satu baris cell (kolom).
PENGENALAN HTML - 2 G. Tabel HTML Setting untk membuat perintah tabel terdiri dari : Row : mementukan banyaknya baris yang dimiliki oleh tabel. Columns : menentukan banyaknya kolom yang dimiliki tabel.
Lebih terperinciKonektivitas PHP - MySQL
Konektivitas PHP - MySQL 1 Untuk melakukan koneksi PHP dengan MySQL digunakan perintah: mysql_connect() -> skrip PHP. Syntak: mysql_connect( hostname, username, password ); 2 Setelah terkoneksi, pilihlah
Lebih terperinciBAB I PENDAHULUAN. dilakukan secara sadar dengan cara menganalisa kemungkinan - kemungkinan
BAB I PENDAHULUAN I.1. Latar Belakang Keputusan adalah suatu reaksi terhadap beberapa solusi alternatif yang dilakukan secara sadar dengan cara menganalisa kemungkinan - kemungkinan dari alternatif tersebut
Lebih terperinciMetoda Naïve Bayes Classifier dan Penggunaannya pada Klasifikasi Dokumen
Metoda Naïve Bayes Classifier dan Penggunaannya pada Klasifikasi Dokumen Samuel Natalius / 18209031 Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPRAKTIKUM SISTEM INFORMASI MANAJEMEN
MODUL V DREAMWEAVER 5.1 Tujuan Praktikum Setelah menyelesaikan modul ini, mahasiswa diharapkan mampu : 1. Mengenal komponen aplikasi Macromedia Dreamweaver 2. Membuat template website offline sederhana
Lebih terperinciSpesifikasi: Ukuran: 14x21 cm Tebal: 68 hlm Harga: Rp Terbit pertama: Februari 2005 Sinopsis singkat:
Spesifikasi: Ukuran: 14x21 cm Tebal: 68 hlm Harga: Rp 14.800 Terbit pertama: Februari 2005 Sinopsis singkat: Buku ini berisi tip dan trik tentang pemrograman aplikasi database dengan Microsoft Access 2000,
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA 25 BAB IV HASIL DAN UJI COBA IV.1. Hasil Dalam perancangan pengamanan gambar menggunakan Metode Naive Bayes memiliki hasil yang telah didapat. Aplikasi ini menggambarkan proses
Lebih terperinciAPLIKASI PENENTUAN ANGGOTA KELAS UNGGULAN DENGAN METODE NAÏVE BAYES
APLIKASI PENENTUAN ANGGOTA KELAS UNGGULAN DENGAN METODE NAÏVE BAYES SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Teknik (S.Kom) Pada Program Studi Teknik Informatika Oleh:
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan-tampilan yang ada pada aplikasi
Lebih terperinciKata kunci : metode pencarian, perpustakaan, Naïve Bayes Classifier.
PENGGUNAAN METODE NAÏVE BAYES CLASSIFIER PADA APLIKASI PERPUSTAKAAN Selvia Lorena Br Ginting,S.Si., MT 1, Reggy Pasya Trinanda 2 1,2 Jurusan Teknik Komputer Unikom, Bandung 1 selvialorena@yahoo.com, 2
Lebih terperinciData ini berisi 13 atribut, yaitu. Dengan tipe atribut, yaitu
Hai khalayak ramai, pada kesempatan kali ini aku mau ngasik tutorial yang berkaitan dengan data mining. Apa sih itu data mining?? Data mining adalah suatu proses menemukan knowledge atau informasi dari
Lebih terperinciAplikasi Inferensi Bayes pada Data Mining terutama Pattern Recognition
Aplikasi Inferensi Bayes pada Data Mining terutama Pattern Recognition Trilaksono Aribowo (18209015) Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciSistem Pakar Untuk Mendiagnosa Penyakit Mata Dengan Metode Bayesian Network
Sistem Pakar Untuk Mendiagnosa Penyakit Mata Dengan Metode Bayesian Network Rahmad Kurniawan, Luh Kesuma Wardhani Jurusan Teknik Informatika UIN SUSKA Riau Jl. H.R Subrantas KM. 15 no. 155 Simpang Baru,
Lebih terperinciPanduan Web Desain Menggunakan Editor Macromedia Dreamweaver 8
Panduan Web Desain Menggunakan Editor Macromedia Dreamweaver 8 Oleh Angga Radhitya Rachmat, S.Kom radhizu05@gmail.com 0882 6801 9510 0819 5724 1619 KATA PENGANTAR Puji syukur penulis panjatkan kehadirat
Lebih terperinciIMPLEMENTASI METODE NAIVE BAYES CLASSIFICATION DALAM KLASIFIKASI KELAYAKAN CALON PENDONOR DARAH (STUDI KASUS PMI KAB. DEMAK)
IMPLEMENTASI METODE NAIVE BAYES CLASSIFICATION DALAM KLASIFIKASI KELAYAKAN CALON PENDONOR DARAH (STUDI KASUS PMI KAB. DEMAK) Diana Septiari Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciLangkah 1. Asep Tatang S.
Membuat Halaman Kamus Istilah Sederhana Menggunakan PHP dan MySql Asep Tatang S. sasakala@gmail.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara
Lebih terperinciMetode klasifikasi Naïve Bayes. Team teaching
Metode klasifikasi Naïve Bayes Team teaching Metode klasifikasi ini diturunkan dari penerapan teorema Bayes dengan asumsi independence (saling bebas), Naive Bayes Classifier adalah metode pengklasifikasian
Lebih terperinciP - 12 Bab 9 : PHP & MySQL
P - 12 Bab 9 : PHP & MySQL 9.1 Tujuan Mahasiswa mampu : Mengetahui dan Memahami Integrasi PHP dengan MySQL Mengetahui dan Memahami Operasi Input, Edit, Delete MySQL Dengan PHP Mengetahui dan Memahami Fungsi
Lebih terperinci2. inputkk.php. 3. tampilkk.php
Ketua RT. 04 RW. 10 Desa Pinggir Kompor membuat database berbasis web menggunakan PHP dan MySQL. Halamanhalaman web yang dibuat adalah seperti berikut: 1. index.php 2. inputkk.php 3. tampilkk.php 1 4.
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Masalah Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Pendukung Keputusan Pemberian Kredit
Lebih terperinciTUTORIAL PHP MYSQL Langkah Tepat menjadi Web Developer Handal, menguasai PHP dan MySQL, jalan terbaik membuat website dan aplikasi berbasis web
TUTORIAL PHP MYSQL Langkah Tepat menjadi Web Developer Handal, menguasai PHP dan MySQL, jalan terbaik membuat website dan aplikasi berbasis web www.ilmuwebsite.com Bagian 19. Menampilkan Data MySQL dalam
Lebih terperinciLAMPIRAN. 1. Listing Program pada website sekolah. index.php
LAMPIRAN 1. Listing Program pada website sekolah index.php sd Swasta Adhyaksa Medan
Lebih terperinciKLASIFIKASI SPAM MENGGUNAKAN NAÏVE BAYES
KLASIFIKASI SPAM EMAIL MENGGUNAKAN NAÏVE BAYES Ratih Yulia H Akademi Bina Sarana Informatika Jl. RS. Fatmawati No. 24, Pondok Labu, Jakarta Selatan Email: ratih.ryl@bsi.ac.id Abstraksi - Email salah satu
Lebih terperinciPemrograman Web Lanjut 2017
Praktikum 9 9.1. CRUD Operasi CRUD (Create, Read, Update, Delete) merupakan operasi dasar yang sering digunakan di dalam database. Fungsi dari operasi ini adalah mengolah data secara dinamis pada aplikasi
Lebih terperinci