Algoritma Naive Bayes - Data MiningDeskripsi lengkap
Algoritma Naive Bayes - Data Mining
Deskripsi lengkap
Algoritma Naive Bayes - Data Mining
Deskripsi lengkap
Full description
Perhitungan naive bayes
Perhitungan naive bayes
Mangos are an important agricultural commodity in the global market for fresh products. In Myanmar, the type of mango called SeinTaLone is the best taste and the most people like it. Another type of mango called MaSawYin is not good taste but it is v
Laporan PHDeskripsi lengkap
estimatorFull description
Deskripsi lengkap
Descripción completa
3.2. Analisis Metode Naive Bayes
Metode Bayes merupakan pendekatan statistik untuk menghitung peluang atau probabilitas persoalan klasifikasi. Dalam metode ini semua atribut memberikan kontribusinya dalam pengambilan keputusan. Metode ini berfungsi berfungsi untuk mencari nilai probabilitas disetiap faktor Adapun cara perhitungan atau alur perhitungan metode Naïve Bayes adalah sebagai berikut: 1. Proses training yaitu menghitung mean dan standar deviasi setiap k elas. a. Menghitung rata-rata (mean) tiap fitur dan tiap kelas dengan persamaan di bawah ini.
∑ ∶ ∶ ∑ ∶ di mana:
mean
banyaknya data
jumlah nilai data
b.
Kemudian hitung nilai standar deviasi tiap fiitur dan tiap kelas dengan persamaan di
Mencari densitas probabilitas data testing menggunakan rumus distribusi normal di bawah ini
− 1 | √2
di mana:
∶ ∶ 3,1414
inputan data
b. Setelah didapatkan nilai densitas probabilitas masing masing kelas dan masing masing fitur, selanjutnya akan dicari nilai fungsi Likelihood dengan cara mengalikan semua hasil perhitungan fitur pada masing masing kelas. c. Setelah didapatkan nilai likehood masing masing kelas, selanjutnya cari nilai probabilitas akhir Faktor yang mempengaruhi hasil perhitungan GLCM adalah sudut yang digunakan. Maka beberapa referensi telah mengoptimasi agar hasil perhitungan tidak rancu yaitu menggunakan semua sudut sebagai perhitungan fitur tekstur. Berikut adalah hasil optimasi tersebut yang dapat memberikan gambaran menyeluruh bahwa ada perbedaan hasil untuk Sudut dan M2 tapi untuk M3 tidak berubah sedikitpun yaitu jikalau hasil nya paling tinggi ataupun paling rendah Daging
Fitur
Energi
Sudut
Sudut
Sudut
Sudut
00
450
900
1350
0.0999
0.1059
0.1063
0.1727
Keterangan Sudut 1350 mempunyai keseragaman paling tinggi
Entropy
1.0269
1.0149
1.0129
0.8052
Sudut 00 mempunyai ketidak seragaman paling tinggi hal ini menandakan Entropy mempunyai hubungan terbalik secara kuat dengan energi
Sapi Dissimilarity
1.4668
1.3334
1.4816
0.3748
Sudut 00 mempunyai nilai paling tinggi karena paling acak
Kontras
2.6672
2.667
2.6672
0.708
Sudut 1350 mempunyai nilai ketetanggan yang hampir sama sehingga bernilai 0.708
Homogenity
0.3866
0.4667
0.3778
0.8457
Sudut 1350 mempunyai nilai
yang cukup seragam yaitu 0.8457 Autokorelasi
1.8338
1.7496
1.6667
2.833
Sudut 1350 mempunyai nilai paling tinggi pada diagonal utamanya
Korelasi
0.8152
0.7255
0.7771
1.2875
Sudut 00 mempunyai linearitas paling tinggi
Energi Entropy Dissimilarity Babi
Kontras Homogenity Autokorelasi Korelasi
Adapun perhitungan metode naive bayes adalah sebagai berikut: 1. Training Menghitung mean dan standar deviasi Berikut adalah hasil perhitungan mean dan standar deviasi dengan excel
2. Testing a. Mencari densitas probabilitas data testing. Data testing yang digunakan adalah nilai energy 0.1727, entropy 1.0269, Dissimilarity 1.4668, kontras 0.708, homogenitas 0.8457, autokorelasi 2.833 dan korelasi 0.8152. Contoh
Berikut adalah hasil perhitungan dengan Microsoft excel, nilai densitas probabilitas yang didapatkan dari perhitungan di atas. Densitas
Energi
Probabilitas
Sapi
Entrop
Dissimilarity
Kontras
Homogenity
Autokorelas
Korelasi
y
262.83 6.767 1.2408 9.4479 37.9156 16.1812 2.0208
Babi
b. Setelah didapatkan nilai densitas probabilitas masing masing kelas dan masing masing fitur, selanjutnya akan dicari nilai Likehood dengan cara mengalikan semua hasil perhitungan fitur pada masing masing kelas. Contoh perhitunganya
ℎ 262.83 6.767 1.2408 9.4479 37.9156 16.1812 2.0208 28349028.8 Dari perhitungan diatas dapat diuraikan hasil perhitunganya pada table di bawah ini likelihood Sapi
28349028.8
Babi
0
c. Setelah didapatkan nilai likelihood masing masing kelas, selanjutnya cari nilai probabilitas akhir naïve bayes. Contoh perhitunganya
| 28349028.8/28349028.8+01.000
Dari perhitungan diatas dapat diuraikan hasil perhitunganya pada table di bawah ini Normalisasi Sapi
1.000
Babi
0000
Berdasarkan hasil perhitungan di atas, maka Jika sebuah citra masukan, dengan nilai energy 0.1727, entropy 1.0269, Dissimilarity 1.4668, kontras 0.708, homogenitas 0.8457, autokorelasi 2.833 dan korelasi 0.8152. maka akan dikategorikan sebagai Sapi karena probabilitas terbesar adalah Sapi