Perhitungan Manual Naives Bayes

By | January 18, 2023
Print Friendly, PDF & Email
59 Views

Definisi lain mengatakan Naïve Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya.

Naïve Bayes didasarkan pada asumsi penyederhanaan bahwa nilai atribut secara kondisional saling bebas jika diberikan nilai output. Dengan kata lain, diberikan nilai output, probabilitas mengamati secara bersama adalah produk dari probabilitas individu. Keuntungan penggunaan Naive Bayes adalah bahwa metode ini hanya membutuhkan jumlah data pelatihan (Training Data) yang kecil untuk menentukan estimasi paremeter yang diperlukan dalam proses pengklasifikasian. Naive Bayes sering bekerja jauh lebih baik dalam kebanyakan situasi dunia nyata yang kompleks dari pada yang diharapkan

Naive Bayes merupakan algoritma yang dapat digunakan untuk binary clasifier yang sederhana menggunakan konsep probabilitas. Berikut Perhitungan Manual Naives Bayes yang dapat kalian pelajari secara mudah.

Berikut adalah dataset riwayat nasabah yang mengajukan kredit di BANK. Penilaian kredit didasarkan pada 2 fitur yaitu penghasilan dan luas rumah sebagai agunan. Data kredit di BANK dengan informasi sebagai berikut

No penghasilan luas rumah kredit
1 rendah kecil tidak
2 rendah sedang ya
3 rendah besar ya
4 sedang kecil tidak
5 sedang sedang ya
6 sedang besar ya
7 tinggi kecil tidak
8 tinggi sedang tidak
9 tinggi besar ya

Dari tabel diatas didapatkan informasi sebagai berikut

  • Fitur yaitu
    • penghasilan  dengan anggota {rendah, sedang, tinggi}
    • luas rumah dengan anggota {kecil, sedang, besar}
  • Target yaitu kredit dengan anggota {ya, tidak}

Perhitungan probabilitas dibagi menjadi 2 yaitu

  • probabilitas prior/class dan
  • probabilitas kondisi

Secara umum untuk menghitung probabilitas dengan rumus prob = \frac{frekuensi}{jumlah.data}

Probabilitas Prior

Perhitungan Manual Naives Bayes untuk Probabilitas Prior kredit sebagai berikut

See also  Deteksi Anomali pada Time Series/Deret Waktu
Anggota Kredit Frekuensi Probabilitas
ya 5 0.56
tidak 4 0.44
Total 9 1

Sehingga didapatkan probabilitas prior untuk masing-masing anggota kredit yaitu

  • P_{(kredit=ya)}=0.56
  • P_{(kredit=tidak)}=0.44

Probabilitas Kondisi

Perhitungan Manual Naives Bayes untuk Probabilitas Kondisi ada 2 yang akan dihitung yaitu

  • penghasilan dan
  • luas rumah

Perhitungan probabilitas kondisi sama seperti probabilitas prior. Perbedaannya yaitu melibatkan Anggota/kelas target. Berikut perhitungan probabilitas kondisi

Probabilitas Kondisi Penghasilan

Anggota penghasilkan\kredit frekuensi Probabilitas
ya tidak ya tidak
rendah 2 1 0.4 0.25
sedang 2 1 0.4 0.25
tinggi 1 2 0.2 0.5
total 5 4 1 1

Didapatkan probabilitas sebagai berikut

  • penghasilan rendah
    • P_{(penghasilan=rendah|kredit=ya)}=0.4
    • P_{(penghasilan=rendah|kredit=tidak)}=0.25
  • penghasilan sedang
    • P_{(penghasilan=sedang|kredit=ya)}=0.4
    • P_{(penghasilan=sedang|kredit=tidak)}=0.25
  • penghasilan tinggi
    • P_{(penghasilan=tinggi|kredit=ya)}=0.2
    • P_{(penghasilan=tinggi|kredit=tidak)}=0.5

Probabilitas Kondisi Luas Rumah

 

Anggota luas rumah\kredit frekuensi Probabilitas
ya tidak ya tidak
kecil 3 0.75
sedang 2 1 0.4 0.25
besar 3 0.6
total 5 4 1 1

karena mengandung NOL sehingga perlu diubah dengan cara  setiap anggota luas rumah ditambah 1 untuk kategori YA dan TIDAK sehingga menjadi seperti berikut

Anggota luas rumah\kredit frekuensi Probabilitas
ya tidak ya tidak
kecil 1 4 0.125 0.571
sedang 3 2 0.375 0.286
besar 4 1 0.5 0.143
total 8 7 1 1

Didapatkan probabilitas nya yaitu

  • luas rumah kecil
    • P_{(rumah=kecil|kredit=ya)}=0.125
    • P_{(rumah=kecil|kredit=tidak)}=0.571
  • luas rumah sedang
    • P_{(rumah=sedang|kredit=ya)}=0.375
    • P_{(rumah=sedang|kredit=tidak)}=0.286
  • luas rumah besar
    • P_{(rumah=besar|kredit=ya)}=0.5
    • P_{(rumah=besar|kredit=tidak)}=0.143

Perhitungan Klasifikasi

Setelah didapatkan nilai untuk probabilitas prior dan kondisi maka untuk klasifikasi pada Perhitungan Manual Naives Bayes sebagai berikut, misalkan saja untuk record no 1 akan diklasifikasikan sebagai kredit apa? YA atau TIDAK?

no penghasilan luas rumah
1 rendah kecil

Mari kita hitung dengan rumus

P_{(kredit=y|X)} = (P_{(income=rendah|kredit=y)} * P_{(rumah=kecil|kredit=y)})*P_{(kredit=y)}

P_{(kredit=t|X)} = (P_{(income=rendah|kredit=t)} * P_{(rumah=kecil|kredit=t)})* P_{(kredit=t)}

Didapatkan hasil sebagai berikut

Kategori Probabilitas Kondisi prob prior perkalian
penghasilan luas rumah
rendah kecil
a b c =a*b*c
ya             0.400               0.125         0.56         0.03
tidak             0.250               0.571         0.44        0.06

Kalian bisa melihat nilai tertinggi yaitu 0.06 sehingga record no 1 dengan informasi nasabah

  • berpenghasilan rendah dan
  • luas rumah kecil
See also  Uji Validitas dan Reliabilitas serta Cara Meningkatkan Hasil Validitasnya

akan ditolak pengajuan kredit nya / TIDAK

Demikian pembahasan mengenai Perhitungan Manual Naives Bayes, perhitungan diatas sangat mudah dilakukan menggunakan excel yang bisa kalian download disini (dengan menyertakan email) atau bila fitur nya banyak tentu penggunaan excel kurang bagus, kalian bisa menggunakan R /Python

 

Leave a Reply

Your email address will not be published.




Enter Captcha Here :