Naïve Bayes Clasifier

3. Meningkatkan efektifitas pengambilan suatu keputusan bukan efisiensi dalam mengambil suatu keputusan. Dalam prosesnya, Sistem Pendukung Keputusan SPK dapat menggunakan bantuan dari sistem lain seperti kecerdasan buatan artificial intelligence, sistem pakar expert systems, logika fuzzy fuzzy logic, dll anonim, 18 juli 2007.

2.6. Naïve Bayes Clasifier

Teorema Bayes adalah sebuah pendekatan untuk sebuah ketidaktentuan yang diukur dengan probabilitas. Teorema bayes dikemukakan oleh Thomas Bayes. Thomas Bayes hidup pada abad 18 yang merupakan orang yang sangat terkenal dalam bidang probabilitas. Menurut Rachli Muhamad 2007 Bayesian Classification adalah proses pencarian sekumpulan model atau fungsi yang menggambarkan dan membedakan kelas data dengan tujuan agar model tersebut dapat digunakan untuk memprediksi kelas dari suatu obyek yang belum diketahui kelasnya. Klasifikasi memiliki dua proses yaitu membangun model klasifikasi dari sekumpulan kelas data yang sudah didefinisikan sebelumnya hasil pembelajaran model awal dan menggunakan model tersebut untuk klasifikasi tes data serta mengukur akurasi dari model. Naïve Bayes Clasifier menurut Wibisono Yudi 2005 merupakan sebuah algoritma yang dapat digunakan untuk melakukan klasifikasi dokumen dengan memanfaatkan probabilitas bersyarat yang memanfaatkan theorema bayes dengan asumsi tidak ketergantungan independen dan menghasilkan akurasi yang tinggi dan stabil. Keuntungan menggunakan Naïve Bayes Classifier menurut Susanto Sylvia dan Sensuse Indra Dana 2008 bahwa metode ini stabil dan membutuhkan jumlah data contoh yang kecil untuk menentukan estimasi parameter yang diperlukan dalam proses pengklasifikasian. Gambar 2.3 Probabilitas bersyarat Probabilitas X di dalam Y adalah probabilitas interseksi X dan Y dari probabilitas Y, atau dengan bahasa lain PX ׀Y adalah prosentase banyaknya X di dalam Y. Kemudian didapatkan Rumus : | Y P Y X P Y X P   …………………….. 1 Tabel 2.2. Tabel Data Training Probabilitas Besyarat Cuaca Temperatur Kecepatan Angin Berolah-raga 1 Cerah Normal Pelan Ya 2 Cerah Normal Pelan Ya 3 Hujan Tinggi Pelan Tidak 4 Cerah Normal Kencang Ya 5 Hujan Tinggi Kencang Tidak 6 Cerah Normal Pelan Ya Banyaknya data berolah raga = ya adalah 4 dari 6 data maka dituliskan P Olah Raga = Ya = 46. Banyaknya data cuaca = Cerah dan berolah raga = Ya adalah 4 dari 6 data maka dituliskan : PCuaca = Cerah dan Olah Raga = Ya = 46. Maka Didapatkan : P Cuaca Cerah ׀ Olah Raga = Ya 6 4 6 4  = 1

2.7. HMAP