🕹️ Cara Kerja Algoritma Naive Bayes

“Naive Bayes vs. decision trees vs. neural networks in the classification of training web pages.” (2009), mengatakan bahwa “Naïve Bayes Classifier memiliki tingkat akurasi yg lebih baik pengujian K2, k3, k4 ,k5 ,k6 ,k7 ,k8 ,k9 ,k10 dan UTS yaitu 93,17% dan untuk naive bayes yaitu 78,38% dari rata rata akurasi pengujian tersebut Knn lebih unggul dari naive bayes. Kata kunci : Algoritma Naïve Bayes, k-Nearest Neighbor, Analisis, Klasifikasi, Perbandingan algoritma. BAB I PENDAHULUAN 1.1 Latar Belakang B. Naïve Bayes Classifier Naïve Bayes Classifier (NBC) adalah salah satu algoritma dalam teknik data mining yang menerapkan teori Bayes dalam klasifikasi. [3] [5] NBC merupakan pengklasifikasian statistik [1] yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class. Penelitian ini membandingkan algoritma performance algoritma Naïve Bayes dan C4.5 dengan mengevaluasi hasil pemodelan dengan Confusion Matrix dan Classification Report. Hasilnya, C4.5 memiliki 72.13%. Dengan demikian, Algoritma Naïve Bayes dipilih pebeliti untuk mendiagnosa penyakit jantung koroner. dikarenakan nilai akurasi yang diperoleh paling tinggi. Metode Naive Baye s memiliki Algoritma Naive Bayes adalah teknik klasifikasi berdasarkan penerapan teorema Bayes. dengan asumsi kuat bahwa semua prediktor independen satu sama lain. Secara sederhana dengan kata lain, asumsinya adalah bahwa kehadiran fitur di kelas tidak tergantung pada kehadiran fitur lain di kelas yang sama. Misalnya, telepon dapat dipertimbangkan Mereka menghabiskan lebih banyak waktu pada pelatihan tetapi lebih sedikit waktu untuk memprediksi. Contoh pembelajar yang bersemangat adalah Pohon Keputusan, Naive Bayes dan Jaringan Syaraf Tiruan (JST). Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan. 2. Metrik Evaluasi Machine Learning Klasifikasi Gambar 4.2 Kurva Roc Model Naive Bayes B. Model Setelah Praprocessing, data Training dan Data Kurva ROC (Reciver Operating Testing akan kita proses klasifikasi Characteristic) diatas menunjukkan algoritma menggunakan aplikasi Rapidminer Adapun hasil Naïve Bayes memiliki nilai AUC sebesar 0.955 dari Confunsion Matrix.nya : yang artinya 2.3 Naïve Bayes Naive Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema Bayes (aturan Bayes) dengan asumsi independensi (ketidaktergantungan) yang kuat (naif). Dengan kata lain, dalam Naive Bayes model yang digunakan adalah “model fitur independen” [7]. Probabilitas (H|E,e) Dimana : tiga teknik ensemble, yaitu J48, Naive Bayes dan Random Forest yang ada telah diterapkan untuk memprediksi hasil akhir siswa sesuai model yang diusulkan. Menurut Harshit Sinha, dkk. Tahun 2016. Pengelompokan Naive Bayes adalah klasifikasi probabilistik yang Berdasarkan penerapan teorema RABIT : Jurnal Teknologi dan Sistem Informasi Univrab Volume 7 No. 1 | Januari 2022 : Hal : 77-84 ISSN CETAK : 2477-2062 ISSN ONLINE: 2502-891X Selanjutnya kita gunakan algoritma Naive-Bayes dari dalam modul sklearn untuk proses training. # 4. Training model from sklearn.naive_bayes import GaussianNB model = GaussianNB() zZvYj.

cara kerja algoritma naive bayes