admin lte 3 CRUD download

contoh perhitungan  algoritma naive bayes dengan excel

berikut ini saya akan menjelaskan bagaimana cara perhitungan algoritma naive bayes dengan ms exxcel sebelum saya membahasnya pada kali ini penerapanya saya pada sebuah sistem pakar berbasis web mendiagnosia tanaman kentang sistem pakar ini menggunakan algoritma naive bayes dalam rumus perhitunganya 

   sebelumnya penjelasan dulu apa itu algoritma naive bayes 

 

Naive bayes adalah tekhnik prediksi berbasis probabilistic sederhana yang berdasar pada penerapan teorema Bayes (aturan Bayes) dengan sebuah asumsi independensi (ketergantungan) yang kuat (naïf). Dapat dikatakan, pada Naïve Bayes Model yang digunakan adalah “model fitur independen”. Dalam Bayes (terutama Naïve Bayes), makna independensi yang kuat pada fitur adalah bahwa sebuah fitur dalam suatu data tidak berkaitan dengan ada atau tidaknya fitur lain dalam data yang sama. (Prasetyo, 2012). Prediksi Bayes yang berdasarkan pada teoroma Bayes memiliki rumus umum seperti pada persamaan 1.(Prayoga et al., 2018).

 

                                                   P ( H | E) =  p (E|H) x p(H)

                                                                         p ( E )

 

Penjelasan dari rumus tersebut adalah sebagai berikut:   

-     Probabilitas akhir ( Posterior ) bersyarat sebuah hipotesis H terjadi jika diberikan bukti ( evidence) E terjadi. Rumus posterior dinotasikan sebagai P(H|E).

-   Probabilitas suatu bukti E terjadi maka mempengaruhi hipotesis H (likehood). Rumus likehood dinotasikan sebagai P(E|H).

-     Probabilitas awal (Prior) hipotesis H terjadi tanpa melihat bukti apapun. Prior dinotasikan sebagai   P(H).

-       P(E) Probabilitas awal bukti E terjadi tanpa melihat hipotesis/bukti  yang lainya.

Yang menjadi ide dasar dari tujuan aturan Bayes adalah bahwa hasil hipotesis dari hipotesis atau peristiwa (H) bisa diperkirakan berdasarkan pada beberapa bukti (E) yang diamati.

 

        menentukan nilai probabilitas

Nilai p(H) adalah nilai probabilitas hipotesis / penyakit tanpa faktor (gejala) apapun. Sedangkan p(E|H) adalah nilai probabilitas suatu gejala pada suatu penyakit tertentu.

 

Contoh perhitungan pada objek tanaman kentang

dari hasil penelitian terdapat hasil penyakit tanaman kentang sebagai berikut

Tabel Probabilitas Penyakit
ID Rekomendasi/Hipotesa	Daftar Kerusakan
H1	Penyakit Busuk Daun
H2	Penyakit Layu Bakteri
H3	Penyakit Busuk Umbi
H4	Penyakit Fusarium
H5	Penyakit Bercak kering
H6	Penyakit Karna Virus

Dan Gejala yang ada pada tanaman  kentang sebagai berikut

IDGejala	Daftar Gejala
G1	Terdapat bercak-bercak pada daun bagian tengah dan tepi
G2	daun membusuk / mati
G3	Bercak-bercak melebar, bulat berwarna cokelat atau hitam
G4	Serangan dimulai pada daun yang tua
G5	Pucuk daun /titik tumbuh layu
G6	daun bagian bawah menguning
G7	Titik tumbuh yang layu menjalar ke batang dan daun yang sudah tua hingga akar
G8	Seluruh tanaman/rumpun tanaman layu
G9	daun menguning dan menggulung
G10	daun layu kering
G11	Bagian dalam tanah terdapat Bercak bercak berwarna coklat
G12	akar membusuk
G13	umbi membusuk
G14	Tanaman tiba-tiba layu
G15	Tulang daun berwarna kuning
G16	Jika batang dibelah, jaringan batang daun berwarna cokelat
G17	Tanaman mengering
G18	daun warna coklat tua
G19	daun berbecak kecil tersebar tidak teratur
G20	permukaan kulit umbi bercak gelap , kering berkerut dan keras
G21	Serangan menyebar ke daun yang muda
G22	Tanaman tumbuh kerdil
G23	umbi kecil pucat
G24	daun menguning dan jaringan mati
G25	Tanaman terlihat pucat

 

 

dari hasil penelitian mendapatkan  data gejala dfan penyakit tanaman  kentang setelah didapatkan 2 data tersebut langkah selanjutnnya adalah mencari nilai probabilitas setiap data penyakit  sebelum

Itu kita mengelompokan terlebih dahulu gejala berdasarkan penyakitnya

Contohnya seperti   pada uji 1 yang termasuk gejala = G1,G2,G3,G4 DAN G5 Adalah kesimpulan penyakit H1

Jadi kita lihat table sebelumnya untuk dapat memahami

 

1

Uji 1

G1,G2,G3,G4

H1

Tabel Dataset Pakar
No	Dataset	Gejala	Rekomendasi Pakar
1	Uji 1	G1,G2,G3,G4	H1
2	Uji 2	G1,G2,G3	H1
3	Uji 3	G1,G2,G4	H1
4	Uji 4	G1,G3,G4	H1
5	Uji 5	G2,G3,G4	H1
6	Uji 6	G1,G2	H1
7	Uji 7	G1,G3	H1
8	Uji 8	G1,G4	H1
9	Uji 9	G2,G3	H1
10	Uji 10	G2,G4	H1
11	Uji 11	G3,G4	H1
12	Uji 12	G4,G2	H1
13	Uji 13	G1	H1
14	Uji 14	G2	H1
15	Uji 15	G3	H1
16	Uji 16	G4	H1
1	Uji 17	G5,G6,G7,G8,G9	H2
2	Uji 18	G5,G6,G7,G8	H2
3	Uji 19	G5,G7,G8,G9	H2
4	Uji 20	G6,G7,G8,G9	H2
5	Uji 21	G5,G6,G7	H2
6	Uji 22	G5,G7,G8	H2
7	Uji 23	G5,G8,G9	H2
8	Uji 24	G6,G7,G8	H2
9	Uji 25	G6,G8,G9	H2
10	Uji 26	G7,G8,G9	H2
11	Uji 27	G5,G6	H2
12	Uji 28	G5,G7	H2
13	Uji 29	G5,G8	H2
14	Uji 30	G5,G9	H2
15	Uji 31	G6,G7	H2
16	Uji 32	G6,G8	H2
17	Uji 33	G6,G9	H2
18	Uji 34	G7,G8	H2
19	Uji 35	G7,G9	H2
20	Uji 36	G8,G9	H2
21	Uji 37	G5	H2
22	Uji 38	G6	H2
23	Uji 39	G7	H2
24	Uji 40	G8	H2
25	Uji 41	G9	H2
1	Uji 42	G10,G11,G12,G13,G14	H3
2	Uji 43	G10,G11,G12,G13	H3
3	Uji 44	G10,G12,G13,G14	H3
4	Uji 45	G11,G12,G13,G14	H3
5	Uji 46	G10,G11,G12	H3
6	Uji 47	G10,G12,G13	H3
7	Uji 48	G10,G13,G14	H3
8	Uji 49	G11,G12,G13	H3
9	Uji 50	G11,G13,G14	H3
10	Uji 51	G12,G13,G14	H3
11	Uji 52	G10,G11	H3
12	Uji 53	G10,G12	H3
13	Uji 54	G10,G13	H3
14	Uji 55	G10,G14	H3
15	Uji 56	G11,G12	H3
16	Uji 57	G11,G13	H3
17	Uji 58	G11,G14	H3
18	Uji 59	G12,G13	H3
19	Uji 60	G12,G14	H3
20	Uji 61	G14,G10	H3
21	Uji 62	G10	H3
22	Uji 63	G11	H3
23	Uji 64	G12	H3
1	Uji 65	G13,G14,G15,G16,G17	H4
2	Uji 66	G13,G14,G15,G16	H4
3	Uji 67	G13,G15,G16,G17	H4
4	Uji 68	G14,G15,G16,G17	H4
5	Uji 69	G13,G14,G15	H4
6	Uji 70	G13,G15,G16	H4
7	Uji 71	G13,G16,G17	H4
8	Uji 72	G14,G15,G16	H4
9	Uji 73	G14,G16,G17	H4
10	Uji 74	G15,G16,G17	H4
11	Uji 75	G13,G15	H4
12	Uji 76	G13,G16	H4
13	Uji 77	G13,G17	H4
14	Uji 78	G14,G15	H4
15	Uji 79	G14,G16	H4
16	Uji 80	G14,G17	H4
17	Uji 81	G15,G16	H4
18	Uji 82	G15,G17	H4
19	Uji 83	G16,G17	H4
20	Uji 84	G15	H4
21	Uji 85	G16	H4
1	Uji 86	G18,G19,G20,G21	H5
2	Uji 87	G18,G19,G20	H5
3	Uji 88	G18,G20,G21	H5
4	Uji 89	G18,G19,G21	H5
5	Uji 90	G19,G20,G21	H5
6	Uji 91	G18,G19	H5
7	Uji 92	G18,G20	H5
8	Uji 93	G18,G21	H5
9	Uji 94	G19,G20	H5
10	Uji 95	G19,G21	H5
11	Uji 96	G20,G21	H5
12	Uji 97	G18	H5
13	Uji 98	G19	H5
14	Uji 99	G20	H5
15	Uji 100	G21	H5
1	Uji 101	G22,G23,G24,G25	H6
2	Uji 102	G22,G23,G24	H6
3	Uji 103	G22,G24,G25	H6
4	Uji 104	G22,G23,G25	H6
5	Uji 105	G23,G24,G25	H6
6	Uji 106	G22,G23	H6
7	Uji 107	G22,G24	H6
8	Uji 108	G22,G25	H6
9	Uji 109	G23,G24	H6
10	Uji 110	G23,G25	H6
11	Uji 111	G24,G25	H6
12	Uji 112	G22	H6
13	Uji 113	G23	H6
14	Uji 114	G24	H6

Setelah di dapat hasil datasetnya lalu kita menghitung setiap nilai probabilitasnya disin I terterla nilai bobot dan jumlah munculnya di dapat dari table percobaan / uji coba missal di H1 / penyakit 1 itu terdapat 16 uji coba , H2 dapat 25 uji coba dan seterusnya hingga setelah di dapat hasil junmlah muncul dari uji coba lalu di bagikan

Missal 16 / 14 = 0.14 dan seterusnya 

Didapat dari banyaknya kerusakan yang muncul berdasarkan hasil data set

(Jumlah kemunculan penyakit / jumlah keseluruhan data)

Tabel Probabilitas Penyakit
ID Rekomendasi/Hipotesa	Daftar Kerusakan	Bobot	Jumlah Muncul
H1	Penyakit Busuk Daun	0.140350877	16
H2	Penyakit Layu Bakteri	0.219298246	25
H3	Penyakit Busuk Umbi	0.201754386	23
H4	Penyakit Fusarium	0.184210526	21
H5	Penyakit Bercak kering	0.131578947	15
H6	Penyakit Karna Virus	0.122807018	14
Total		1	114

 

 

 

 

 

 

 

 

 

 

 

 

 

Misal contoh dari gejala 1 kenapa nilainya 0.6 jawab  

9/16 = 0.56  nilai 9 di dapat dari jumlah G1 PADA H1 uji coba sedangkan 16 adalah jumlah muncul dari table penyakit

 

 

Tabel Kemunculan Rekomendasi berdasarkan Fakta
ID Fakta/Gejala	ID Penyakit
	H1	H2	H3	H4	H5	H6
G1	0.56	0.1	0.1	0.1	0.1	0.1
G2	0.53	0.1	0.1	0.1	0.1	0.1
G3	0.53	0.1	0.1	0.1	0.1	0.1
G4	0.56	0.1	0.1	0.1	0.1	0.1
G5	0.1	0.44	0.1	0.1	0.1	0.1
G6	0.1	0.44	0.1	0.1	0.1	0.1
G7	0.1	0.48	0.1	0.1	0.1	0.1
G8	0.1	0.56	0.1	0.1	0.1	0.1
G9	0.1	0.36	0.1	0.1	0.1	0.1
G10	0.1	0.1	0.52	0.1	0.1	0.1
G11	0.1	0.1	0.48	0.1	0.1	0.1
G12	0.1	0.1	0.57	0.1	0.1	0.1
G13	0.1	0.1	0.52	0.43	0.1	0.1
G14	0.1	0.1	0.39	0.43	0.1	0.1
G15	0.1	0.1	0.1	0.62	0.1	0.1
G16	0.1	0.1	0.1	0.67	0.1	0.1
G17	0.1	0.1	0.1	0.48	0.1	0.1
G18	0.1	0.1	0.1	0.1	0.53	0.1
G19	0.1	0.1	0.1	0.1	0.53	0.1
G20	0.1	0.1	0.1	0.1	0.53	0.1
G21	0.1	0.1	0.1	0.1	0.53	0.1
G22	0.1	0.1	0.1	0.1	0.1	0.57
G23	0.1	0.1	0.1	0.1	0.1	0.57
G24	0.1	0.1	0.1	0.1	0.1	0.57
G25	0.1	0.1	0.1	0.1	0.1	0.50

 

 

 

 

 

 

 

 

Bagikan: