Perhitungan Sederhana Naïve Bayes untuk Predeksi Kelulusan

Tabel Trening

NO	JENIS KELAMIN	STATUS MAHASISWA	STATUS PRENIKAHAN	IPK Semester 1-6	STATUS KELULUSAN
1	LAKI - LAKI	MAHASISWA	BELUM	3.17	TEPAT
2	LAKI - LAKI	BEKERJA	BELUM	3.30	TEPAT
3	PEREMPUAN	MAHASISWA	BELUM	3.01	TEPAT
4	PEREMPUAN	MAHASISWA	MENIKAH	3.25	TEPAT
5	LAKI - LAKI	BEKERJA	MENIKAH	3.20	TEPAT
6	LAKI - LAKI	BEKERJA	MENIKAH	2.50	TERLAMBAT
7	PEREMPUAN	BEKERJA	MENIKAH	3.00	TERLAMBAT
8	PEREMPUAN	BEKERJA	BELUM	2.70	TERLAMBAT
9	LAKI - LAKI	BEKERJA	BELUM	2.40	TERLAMBAT
10	PEREMPUAN	MAHASISWA	MENIKAH	2.50	TERLAMBAT
11	PEREMPUAN	MAHASISWA	BELUM	2.50	TERLAMBAT
12	PEREMPUAN	MAHASISWA	BELUM	3.50	TEPAT
13	LAKI - LAKI	BEKERJA	MENIKAH	3.30	TEPAT
14	LAKI - LAKI	MAHASISWA	MENIKAH	3.25	TEPAT
15	LAKI - LAKI	MAHASISWA	BELUM	2.30	TERLAMBAT

Jika seorang mahasiswa dengan data sebagai berikut;

Tabel Testing

KELAMIN	STATUS	PRENIKAHAN	IPK	KETERANGAN
LAKI - LAKI	MAHASISWA	BELUM	2.70	???

Jawab

Tahap 1 menghitung jumlah class/label

P(Y= TEPAT)  = 8/15   ‘ jumlah data “TEPAT” pada komom ‘STATUS KELULUSAN’ dibagi jumlah data

 P(Y= TERLAMBAT) = 7/15 ‘ jumlah data “TERLAMBAT” pada komom ‘STATUS KELULUSAN’ dibagi jumlah data

Tahap 2 menghitung jumlah kasus yang sama dengan class yang sama

P(JENIS KELAMIN = LAKI - LAKI | Y= TEPAT) = 5/8

‘jumlah data jenis kelamin “laki-laki” dengan keterangan “TEPAT” dibagi jumlah data TEPAT

P(JENIS KELAMIN = LAKI - LAKI | Y= TERLAMBAT) = 3/7

‘jumlah data jenis kelamin “laki-laki” dengan keterangan “TERLAMBAT” dibagi jumlah data TERLAMBAT

---

P(STATUS MAHASISWA = MAHASISWA | Y= TEPAT) = 5/8

‘jumlah data dengan status mahasiswa  dengan keterangan “TEPAT” dibagi jumlah data TEPAT

P(STATUS MAHASISWA = MAHASISWA | Y= TERLAMBAT) = 3/7

‘jumlah data dengan status mahasiswa  dengan keterangan “TERLAMBAT” dibagi jumlah data TERLAMBAT

---

P(STATUS PRENIKAHAN = BELUM| Y= TEPAT) = 4/8

‘jumlah data dengan status pernikahan “Belum menikah” dan  keterangan “TEPAT” dibagi jumlah data TEPAT

P(STATUS PRENIKAHAN = BELUM| Y= TERLAMBAT) = 4/7

‘jumlah data dengan status pernikahan “Belum menikah” dan keterangan “TERLAMBAT” dibagi jumlah data TERLAMBAT

---

P(IPK = 2.70| Y= TEPAT) = 0/8

‘jumlah data IPK “2.70” dengan keterangan “TEPAT” dibagi jumlah data TEPAT

P(IPK = 2.70| Y= TERLAMBAT) = 1/7

‘jumlah data IPK “2.70” dengan keterangan “TERLAMBAT” dibagi jumlah data TERLAMBAT

Tahap 3 kalikan semua hasil variable TEPAT & TERLAMBAT

P (KELAMIN=LAKI – LAKI), (STATUS MHS=MAHASISWA), (PRENIKAHAN = BELUM), (IPK = 2.70 ) |TEPAT)

= {P(P(KELAMIN =LAKI-LAKI|Y=TEPAT). P(STATUS MHS = MAHASISWA | Y= TEPAT) . P(PRENIKAHAN = BELUM|Y=TEPAT). P(IPK = 2.70| Y= TEPAT)

=    5/8    .      5/8 .   4/8   .   0/8   . 8/15  

= 0

P (KELAMIN=LAKI – LAKI), (STATUS MHS=MAHASISWA), (PRENIKAHAN = BELUM), (IPK = 2.70 ) |TERLAMBAT)

= {P(P(KELAMIN =LAKI-LAKI|Y= TERLAMBAT). P(STATUS MHS = MAHASISWA | Y= TERLAMBAT) . P(PRENIKAHAN = BELUM|Y= TERLAMBAT). P(IPK = 2.70| Y= TERLAMBAT)

= 3/7  .  3/7    .  4/7 .  1/7 . 7/15

= 0,0069

Tahap 4 Bandingkan hasil class TEPAT & TERLAMBAT

Karena hasil (P|TERLAMBAT) lebih besar dari (P|TERLAMBAT) maka keputusanya adalah “TERLAMBAT”

KELAMIN	STATUS	PRENIKAHAN	IPK	KETERANGAN
LAKI - LAKI	MAHASISWA	BELUM	2.70	TERLAMBAT

referensi :

Marselina - Prediksi Kelulusan dengan Naive Bayes dan C45 - 2010

Sakti Sarjono,Contoh-Perhitungan-Untuk-Naive-Bayes.pdf, 2010

Artikel Terkait:

Cara membuat Aplikasi Predeksi Kelulusan