contoh perhitungan naive bayes dengan excel
contoh perhitungan algoritma naive bayes dengan excel
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 |
Saya gak paham di tabel dataset pakar itu kan menguji probabilitas gejala yang ada di setiap penyakit kan ya?
ReplyDeleteKalau H1 itu ada 4 gejala berarti 4 x 4 = 16
Kalau H2 itu ada 5 gejala berarti 5 x 5 = 25
nah kalau H yang lainnya kok beda bang?
H3 itu ada 5 gejala kok 23?
H4 itu juga 5 gejala kok 21?
H5 itu 4 gejala kok 15?
H6 itu 4 gejala kok 14?
Mohon penjelasan yang lengkap ya bang / mbak.