- METODE BAYES
Teorema Bayes dikemukakan oleh seorang
pendeta presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes.
Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu
peristiwa berdasarkan pengaruh yang didapat dari hasil observasi.
Probabilitas Bayesian adalah suatu
interpretasi dari kalkulus yang memuat konsep probabilitas sebagai derajat
dimana suatu pernyataan dipercaya benar. Teori Bayesian juga dapat digunakan
sebagai alat pengambilan keputusan untuk memperbaharui tingkat kepercayaan dari
suatu informasi.
Teori probabilitas Bayesian merupakan satu
dari cabang teori statistik matematik yang memungkinkan kita untuk membuat satu
model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan
pengetahuan umum dengan fakta dari hasil pengamatan.
Teori Bayesian menurut Grainner (1998),
mempunyai beberapa kelebihan,
yaitu:
1. Mudah untuk dipahami.
2. Hanya memerlukan pengkodean yang
sederhana.
3. Lebih cepat dalam penghitungan.
Kekurangan
dari Teori probabilitas Bayesian yang banyak dikritisi oleh para
ilmuwan adalah karena pada teori ini, satu probabilitas saja tidak bisa
mengukur seberapa dalam tingkat keakuratannya. Dengan kata lain, kurang bukti
untuk membuktikan kebenaran jawaban yang dihasilkan dari teori ini.
Teorema Bayes menerangkan hubungan antara probabilitas
terjadinya peristiwa A dengan syarat peristiwa B telah terjadi dan probabilitas
terjadinya peristiwa B dengan syarat peristiwa A telah terjadi. Teorema ini
didasarkan pada prinsip bahwa tambahan informasi dapat memperbaiki
probabilitas. Teorema Bayes ini bermanfaat untuk mengubah atau memutakhirkan
(meng-update) probabilitas yang dihitung dengan tersedianya data dan informasi
tambahan.
Sesuai dengan
probabilitas subyektif, bila seseorang mengamati kejadian B dan mempunyai
keyakinan bahwa ada kemungkinan B akan muncul, maka probabilitas B disebut
probabilitas prior. Setelah ada informasi tambahan bahwa misalnya kejadian A
telah muncul, mungkin akan terjadi perubahan terhadap perkiraan semula mengenai
kemungkinan B untuk muncul. Probabilitas untuk B sekarang adalah probabilitas
bersyarat akibat A dan disebut sebagai probabilitas posterior. Teorema Bayes
merupakan mekanisme untuk memperbaharui probabilitas dari prior menjadi
probabilitas posterior.
- METODE NAÏVE BAYES
Naive bayesian
klasifikasi adalah suatu klasifikasi berpeluang sederhana berdasarkan aplikasi
teorema Bayes dengan asumsi antar variabel penjelas saling bebas (independen).
Dalam hal ini, diasumsikan bahwa kehadiran atau ketiadaan dari suatu kejadian
tertentu dari suatu kelompok tidak berhubungan dengan kehadiran atau ketiadaan
dari kejadian lainnya.
Naive Bayesian dapat digunakan untuk berbagai macam keperluan
antara lain untuk klasifikasi dokumen, deteksi spam atau filtering spam, dan
masalah klasifikasi lainnya. Dalm hal ini lebih disorot mengenai penggunaan
teorema Naive Bayesian untuk spam filtering
Teorema Naive
Bayesian memiliki beberapa kelebihan dan kekurangan yaitu sebagai berikut :
Keuntungan
Naive Bayesian :
1.
Menangani
kuantitatif dan data diskrit
2.
Kokoh
untuk titik noise yang diisolasi, misalkan titik yang dirata – ratakan ketika
mengestimasi peluang bersyarat data.
3.
Hanya memerlukan sejumlah kecil data pelatihan
untuk mengestimasi parameter (rata – rata dan variansi dari variabel) yang
dibutuhkan untuk klasifikasi.
4.
Menangani
nilai yang hilang dengan mengabaikan instansi selama perhitungan estimasi
peluang
5.
Cepat
dan efisiensi ruang
6.
Kokoh
terhadap atribut yang tidak relevan
Kekurangan
Naive Bayesian :
1.
Tidak
berlaku jika probabilitas kondisionalnya adalah nol, apabila nol maka
probabilitas prediksi akan bernilai nol juga
2.
Mengasumsikan
variabel bebas
sumbernya dong kak, makasih...
ReplyDeletethank bermanfaat
ReplyDeleteini bisa di download ga yah ?
ReplyDeleteBeda ga naive bayes sama bayesian model?
ReplyDelete