34
3.6 Penerapan Contoh Perhitungan Naïve Bayesian
Berdasarkan DataSet yang berada pada lampiran 3, maka peneliti mencoba melakukan perhitungan manual sesuai dengan algoritma naïve
bayesian. Langkah-langkah perhitungan manual, sebagai berikut : Diketahui : DataSet dengan banyak 834 record yang terdiri dari 6 jenis merk
helm, 63 jenis tipe helm, dan 38 jenis warna helm. Ditanya :
1 Carilah peluang Wilayah Perusahaan XYZ menjual Helm dengan syarat
Merk Helm Perusahaan = NHK ; Tipe Helm Perusahaan = XTREAM – CL ; Warna Helm Perusahaan = BK ?
Penyelesaian : X Wilayah Pendistribusian Helm ? Dalam dataset yang digunakan peneliti terdapat empat kelas wilayah dari
klasifikasi yang dibentuk, yaitu: C1 = GUNUNG KIDUL = 179
C3 = KULON PROGO = 155 C2 = KOTA = 172
C4 = SLEMAN = 328
Mencari PCi merupakan prior probability untuk setiap kelas berdasar data, yaitu :
PCi = jumlah kejadian Cijumlah total kejadian PC1 = 179834 = 0.215
PC3 = 155834 = 0.186 PC2 = 172834 = 0.206
PC4 = 328834 = 0.393 Misal terdapat data X belum diketahui kelasnya
X = Merk-Helm = ” NHK”, Tipe-Helm = “XTREAM – CL”, Warna-Helm = “BK”
Menghitung PXj|Ci untuk i=1,2,3,4 dan j=1,2,3 PXj|Ci = PXj∩CixPXjPCi
a. Untuk X1 = Merk-Helm = ” NHK”
PX1|C1 = 5115 x 115834179834 = 5179 = 0.14 PX1|C2 = 31115 x 115834172834 = 31172 = 0.18
PX1|C3 = 6115 x 115834155834 = 6155 = 0.039 PX1|C4 = 73115 x 115834328834 = 73328 = 0.223
b.
Untuk X2 =
Tipe-Helm = “XTREAM – CL” PX2|C1 = 12151 x 151834179834 = 12179 = 0.067
PX2|C2 = 10151 x 151834172834 = 10172 = 0.058
35 PX2|C3 = 21151 x 151834155834 = 21155 = 0.135
PX2|C4 = 108151 x 151834328834 = 108328 = 0.329
c.
Untuk X3 =
Warna-Helm = “BK” PX3|C1 = 40137 x 137834179834 = 40179 = 0.223
PX3|C2 = 4137 x 137834172834 = 4172 = 0.023 PX3|C3 = 20137 x 137834155834 = 20155 = 0.129
PX3|C4 = 73137 x 137834328834 = 73328 = 0.233 Menghitung PX|Ci
Menghitung PX|GUNUNG KIDUL = PX|C1 = 0.14 x 0.067 x 0.223 = 0.0021
Menghitung PX|KOTA = PX|C2 = 0.18 x 0.058 x 0.023 = 0.0002
Menghitung PX|KULON PROGO = PX|C3 = 0.039 x 0.135 x 0.129 = 0.0007
Menghitung PX|SLEMAN = PX|C4 = 0.223 x 0.329 x 0.233 = 0.0171
Menghitung PX|Ci x PCi
Menghitung PX|GUNUNG KIDUL x PGUNUNG KIDUL = 0.0021 x 0.215 = 0.00045
Menghitung PX| KOTA x PKOTA = 0.0002 x 0.206 = 0.00004
Menghitung PX| KULON PROGO x PKULON PROGO = 0.0007 x 0.186 = 0.00013
Menghitung PX| SLEMAN x PSLEMAN = 0.0171 x 0.393 = 0.00672
Kesimpulan : Dari hasil perhitungan manual di atas, maka dapat dilihat bahwa prediksi wilayah dari produk helm X = Merk-Helm = ” NHK”,
Tipe-Helm = “XTREAM – CL”, Warna-Helm = “BK” yang memiliki nilai ptobabilitas tertinggi adalah di Sleman. Hal ini sesuai dengan yang
dilakukan pada prediksi data tunggal dengan atribut-atribut yang sama dengan perhitungan di atas.
36
3.7 Perancangan Antar Muka
Kategori