Klasifikasi dengan Algoritma Naive Bayes Classifier
ฝัง
- เผยแพร่เมื่อ 16 มิ.ย. 2021
- Video kali ini membahas mengenai penjelasan klasifikasi dengan menggunakan Algoritma Naive Bayes.
Isi video ini adalah :
1. Definisi dan Konsep Klasifikasi
2. Algoritma Naive Bayes
3. Perhitungan Naive Bayes
4. Implementasi Naive Bayes
Mantap. Terima kasih atas penjelasannya.
dari sekian jurnal dan video penjelasan klasifikasi NB , ini yang paling mudah penyampaiannya....makasih banyak mas....pas banget untuk skripsi sya sentimen analisis menggunakan pendekatan NB...
Terima kasih banyak..
Semoga mudah proses skripsi nya.
Terimakasih kak atas penjelasannya, jelas, dan sangat mudah dipahami
Terima kasih Mas, sangat membantu
Mantap pak sangat membantu, terima kasih banyak
Terimakasih kak, penjelasannya mudah dipahami. Bahas algoritma klasifikasi yg lain dong kak, biar paham algoritma yg lain juga hehehe...
sangat bermanfaat
Terimakasih 🙏
keren mas, kebetulan saya mengambi metode ini untuk skripsi saya dan digunakan pada rancangan saya. Terimakasih ilmu nya mas
Izin bertanya kak, jika ditanya alasan menggunakan metode naive bayes, apa jawaban nya kak? Kebetulan saya jugaa memakai metode ini dalam penelitian saya kak. Dosen pembimbing saya meminta alasan yang jelas mengapa menggunakan metode tersebut, terimakasih kak🙏
sama kak izin bertanya, alasan menggunakan naive bayes?🙏🏻
🙏
Permisi mas mau tanya, kenapa utk perhitungan manual naive bayes ini kok berbeda ya dengan text mining sentimen analisi. Apakah memang seperti itu atau bagaimana?
alasannya semakin banyak x (predictor/attr/feature) mengurangi akurasi kenapa ya? bukannya malah makin tinggi? ada yang bisa bantu jawab?
izin bertanya kak, maksud dari arsitektur naive bayes itu gimana ya??
mas, kalo yg saya lihat dibeberapa jurnal, ada rumus ditambah 1 nya itu apa bedanya? pas perhitungan sunny yes/no itu
Ada yang ditambah 1 di perhitungannya? Dimana ya mas?
Bang minta sumber buku dong buat skripsi yang membahas tentang formula naive bayes dalam klasifikasi
izin bertanya bang..beda cara kerja algoritma naive Bayes, svm, knn, dan decision tree apa ya?
Terima kasih sebelumnya
Beda di algoritma/runtutan cara kerjanya.
Mereka semua bisa digunakan untuk klasifikasi, tetapi langkah2nya beda beda tiap algoritma. Mereka juga punya rumus masing masing.
Permisi, saya mau bertanya untuk pembuatan dataset manual, atribut lebel target itu ditentukan sendiri misal hasilnya ya atau tidak
Trimakasih
Seharusnya tetap ada dasarnya walaupun dataset dibuat manual.
Semisal, data ketepatan lulus studi mahasiswa.
Untuk menentukan data di variabel target, 'Ya' dan 'tidak' seharusnya tetap mengacu pada data sebenarnya.
@@yogiek mksdnya data training, semisal data kelulusan siswa, class lebel target nya lulus dan tidak, data dari sekolah anak si A lulus berarti mengikuti data dari sekolah yang sudah ada untuk data trening nya?
Trimakasih
@@ibnufaisal50 iya benar. Semisal untuk kasus tersebut, Mengikuti data asli dari sekolahnya.
halo pak saya ingin bertanya apakah setiap pengaplikasian naive bayes harus ada data x (data testing) yang dicari tersebut?
Yg dimaksud data testing atau variable X?
Kalau data testing, tidak harus. Asal sudah punya data training, bisa melakukan prediksi dari data yg sudah ada. Tapi tingkat akurasinya belum tahu dalam memprediksi tersebut
Kalau yg dimaksud adalah variable X, memang harus ada. Jika tidak ada data training, probabilitasnya akan selalu nol.
Bg mau nanyak kalau data set nya dibagi menjadi 2 data training dan data testing itu menghitungnya gimana bg?
Semisal ada 100 data, dibagi 2 :
Data training 80.
Data testing 20.
Nah, nanti naive bayes nya memprediksi yang 20 tersebut. Tapi perhitungannya berdasarkan perhitungan ke data yang 80.
Prediksi dari 20 data tersebut dibandingkan dengan klasifikasi yang sebenarnya dari ke-20 data tersebut.
Semisal ada 15 data yang benar, berarti akurasinya 15/20*100=75%.
@@yogiek terimakasih bg sangat membantu sekali
Permisi kak, kalau naive bayes apakah cocok untuk di gunakan dalam penentuan kelas curah hujan?
Kalau kelas curah hujannya hanya beberapa kelas, seperti tinggi, rendah dan sedang, kemungkinan bisa.
Di atribut X nya nanti dibuat klasifikasi juga saja mbak.
Semisal, suhu kan biasanya nilainya nominal.
Dibuat 16-20 itu suhu rendah, dst.
Mas mau tanya, saya ada. data yg ambil dr kuesinoner. Ada 100 responden, data saya bagi mnjadi data training:data uji = 80:20.
Saya ingin label classnya (Y) itu puas dan tidak puas mas.
Nah itukan perlu pembangunan model untuk data training. Nah untuk pembangunan model ini saya masih agak bingung mas, itu saya baca dr junal ada yg pakai interval (perhitungan skala likert). Apakah benar ya mas, klo pembangunan model pada data training itu bisa pakai skala likert?
Mohon dijawab ya mas
Skala likert nya diterapkan di variable X1, x2,x3 dst-nya ya?
Bisa saja skala likert dipakai untuk membuat kategori di variable x nya.
Nanti perhitungan selanjutnya sama seperti di video.
@@yogiek iya mas. Berarti bisa ya mas klo yg data latih klasifikasi nya pakai rumus skala likert dulu. Nnt untuk data uji pake rumus naive bayes
Mas untuk algoritma naive bayes bisa menggunakan multiclass? Atau hanya dapat menggunakan 2 class sja?
Multi class maksudnya Value untuk target?
Bisa. Tinggal dihitung nilai akhir dari value targetnya saja, mana yang terbesar. Isinya 2 class ataupun 10 class, konsepnya sama saja
hasilnya adalah prematur? dengan nilai 9,8??
Kak nanya dong, apakah naive bayes bisa digunakan utk memprediksi prestasi siswa?
Pada Naive bayes, untuk variable Y atau targetnya umumnya hanya beberapa saja. Jadi kalau targetnya 'prestasi siswa', mungkin value/isi di variable tersebut adalah 'berprestasi' dan 'tidak berprestasi' saja.
Kalau memang hanya mau seperti itu, berarti naive bayes bisa dipakai. Hanya tinggal mencari variable x yang diperlukan saja.
normal sama postdate ada yang bernilai 0, itu gimana ya? apa bisa langsung menyimpulkan jawabannya prematur?
Bisa langsung diklasifikasikan ke prematur.
Memang itu salah satu kelemahannya naive bayes, jika ketemu dengan probabilitas yang nilainya nol, maka 1 perhitungan untuk kategori tersebut akan langsung bernilai nol.
untuk mengatasinya bisa dengan beberapa cara, seperti laplace smoothing atau seperti yang saya lakukan disini : www.beei.org/index.php/EEI/article/view/2833
mas aku mau belajar soal kasus minat baca siswa di perpustakaan... tapi aku masih belum ngerti soal nentuin atributnya... contohnya apa yah..
Minat baca sebagai variable Y ya mas? Value untuk minat bacanya apa saja kira kira? "Tinggi" , "Sedang", dan "Rendah" ya?
Buat saja variable-variable X yang kira kira mempengaruhi minat baca itu apa saja, mungkin ada yang umum seperti : 'angkatan mahasiswa', 'jurusan', 'jenis kelamin', dll.
Sama variable yang khusus ke minat bacanya, seperti : 'Ipk', 'pendidikan orang tua', 'asal sekolah', dll.
Setiap variable x belum tentu berpengaruh ke variable Y.
Untuk menentukan variable nya berpengaruh, bisa digunakan feature selection/seleksi variable.
Apakah naive bayes bisa digunakan untuk menentukan kapasitas maksimal suatu ruangan umum atau ruang publik ? Terimakasih
Sepertinya, menurut pemahaman saya, tidak bisa.
Naive bayes hanya memperhitungkan probabilitas dari beberapa kemungkinan dan menghitung probabilitas terbesarnya.
Jika menentukan kapasitas maksimal, mungkin akan lebih tepat menggunakan machine learning, deep learning, genetic algorithm.
CMIIW.
@@yogiek apakah metode single shot detector termasuk mechine learning ?
@@ekasaktiawan1825 Single Shot detector biasanya digunakan untuk deteksi object. lebih mengarah ke Jaringan Syaraf Tiruan. Kalau pengklasifikasian apakah 1 algoritma masuk ke machine learning atau tidak, sepertinya tidak pasti. bisa saja SSD masuk ke machine learning. sama seperti naive bayes yang di beberapa jurnal ikut dimasukkan ke machine learning, walaupun hanya sekedar algoritma data mining biasa.
bang izin bertanya, kalau misalnya saya cuma ada 1 atribut dan 1 label saja gimana cara ngitung nya? atrbutnya komentar, dan untuk labelnya ada "spam dan bukan spam"
Untuk label spam dan tidak spam, bisa menggunakan sentimen analisis, bukan dengan naive bayes.
Pada sentimen analisis nanti setiap kata akan dicari kata dasarnya, lalu dibobotkan, kemudian dikategorikan.
Metode sentimen analisis ada banyak, silakan bisa dicari.
@@yogiek tapi saya nemu penelitian tentang DETEKSI SUREL SPAM DAN NON-SPAM
BAHASA INDONESIA MENGGUNAKAN
METODE NAÏVE BAYES. apa itu termasuk sentimen juga?
@@kimjae1247 iya itu termasuk sentimen juga.
Sentimen analisis kan bentuknya klasifikasi juga.
Ya bisaaa, tapi kurang cocok.
Memaksakan naive bayes untuk sentimen sama seperti memaksakan naive bayes untuk pengenalan image processing. Ya bisaaa, tapi masa input nya sejumlah 512x512.
Pengenalan pola ya cocoknya dengan jaringan syaraf tiruan, deep learning.
Walaupun bisa juga dengan naive bayes, tapi kan kurang sesuai..
saya mau nanya sayakan dapat judul klasifikasi kesegaran ikan menggunakan naive bayes? apakah bisa naive beyes mengklasifikadn kesegaran ikan?
Bisa saja. Tinggal mencari variable x1, x2, dst yang berpengaruh terhadap kesegaran ikan itu apa saja. Lalu ambil datanya
Tanya kak, kalo hasil akhirnya 0 semua bagaimana ya menentukannya?
Kalau nol semua, tidak bisa ditentukan hasilnya.
Memang itu salah satu kekurangan naive bayes.
Tapi saya pernah buat jurnal untuk mengatasi hasil akhir 0 tersebut.
Bisa dicek disini : beei.org/index.php/EEI/article/view/2833
Bang kalau , hasilya itu alternatif gmna bang, dan alternatif misal 100 lbih. Gmna cara ngitungnya?
Naive bayes biasanya untuk klasifikasi bang.
Kalau klasifikasi, umumnya hanya beberapa alternatif.
Kalau sampai lebih dari 100, bisa saja dibuat beberapa kategori, semisal
0-30 : kategori kecil
31-60 : kategori sedang
Dst
sebelumnya saya sampaikan terima kasih banyak atas ilmunya,
oiyya izin bertanya Mas, kalau misal penggabungan metode naive bayes dan certainty factor algoritmanya jadi gimana ya Mas? terima kasih
untuk penggunaan algoritma sangat tergantung dengan kasusnya.
ada 1 algoritma lebih baik dari algoritma lain di sebuah kasus, tapi di kasus yang lain bisa saja sebaliknya.
untuk penggabungan 2 buah algoritma, biasanya dilakukan 'penyisipan' sebuah algoritma ke sebuah tahapan di algoritma yang lain.
Izin nanya kak.
Dalam penelitian saya, saya menggunakan naive bayes mengenai ketepatan waktu lulus mahasiswa. Apa alasan yg bisa saya berikan dari "mengapa menggunakan algoritma naive bayes".
Mohon penjelasannya kak
Terimakasih kak🙏
Umumnya alasan penggunaan naive bayes karena mudah dalam implementasi dan memberikan tingkat akurasi yg tinggi. Silakam bisa dicari referensi2 dari jurnal yg mendukung pernyataan tersebut. Bisa cari di google scholar semisal dengan keyword perbandingan naive bayes dengan x, y, z.
@@yogiek izin bertanya lagi kak, di naive bayes itu ada syarat antar variabel X itu harus saling bebas ya kak? Cara mengetahui antar Variabel X itu saling bebas gimana ya kak? Variabel X nya ada yg numerik dan ada yg kategorik
Mungkin nantinya bisa saya jadikan alasan memilih naive bayes kak🙏
@@delacewry8707 variabel saling bebas itu ya artinya setiap variabel tidak mempengaruhi variabel yang lain. Semisal umur dan jenis kelamin. Umur kan tidak ditentukan dari jenis kelamin, begitu pula sebaliknya. Kalau yg var terkait, semisal jumlah sks yang diambil dengan ipk. Karena semakin banyak sks yg diambil, tentunya mempengaruhi ipk.
@@yogiek Berarti tidak memerlukan tes independensi kak?
Bang gimana cara hitung nilai probabilitas untuk suatu gejala pada penyakit mata?
tergantung variable X pada datanya mas. Sebenarnya sama saja cara menghitungnya, asal sudah ada datanya kan?
Mungkin bisa diperjelas dulu datanya seperti apa, baru bisa kita bahas cara menghitung probabilitasnya..
Boleh saya kirim datanya melalui WhatsApp bg?
@@dickymuafdi75 silakan
UNTUK OUTPUT YG LEBIH DARI 2 APAKAH BISA D PAKAI ALGORITMA INI PAK. SAYA ADA PENLITIAN MW PAKAI ALGORITMA INI, TAPI UNTUK OUTPUNYA ADA LEBIH DARI 10 . APAKAH MASI BISA D PAKAI PAK? MOHON INFONYA KALAU BISA SAYA AKAN DALAMI 🇲🇨🙏🙏🙏
Bisa saja pak jika outputnya lebih dari 1. Hanya saja, sepertinya Naive bayes agak kurang cocok jika output nya lebih dari 3.
Saya pernah melakukan penelitian dengan value output 3, hasil akurasi nya tidak terlalu tinggi. terlebih kalau 10, karena naive bayes hanya membandingkan nilai probability akhir untuk setiap output saja.
Mungkin, akan lebih baik jika menggunakan opsi lain, seperti decision tree atau salah satu model Jaringan Syaraf Tiruan.
@@yogiekow iya trima ksi pak. Apakah bapak ada video pembelajaran yg berkaitan ttng decision tree atau SJS, yang untuk outpuny yang lebih dari 3? Boleh d share linkya pak 🇲🇨🙏
Mas, kalau isi target lebih dari 2 kategori contoh: yes/no/maybe apakah masih bisa memakai naive bayes biasa?
Bisa, tidak masalah. Dengan lebih banyak value di variable Y juga tidak masalah.
Ini contohnya mas :
jurnal.umk.ac.id/index.php/simet/article/view/1827
Ada 3 value di variable Y : premature, normal, dan postdate
@@yogiek terima kasih mas atas informasinya, sangat membantu untuk penelitian skripsi saya
@@ranggakcs sama sama.
@@yogiek kalau untuk dataset mas, untuk data testing dan data latih apakah dipisah datasetnya, atau satu file dataset yang sama? semisal mempunyai dataset dengan isi 100, lalu dipisah menjadi 2 dataset dengan masing2 berisi 80 file dan 20 file atau tetap 1 file saja?
Untuk data X nya harus ada kaitannya ya bang?
Seharusnya variable X nya yang berpengaruh terhadap hasil akhir atau terhadap variable Y nya bang
prematur bukan ya kak?
Kak, maaf. Kan kalo klasifikasi itu artinya menemukan model yg dapat membedakan suatu data ke kelas kelas. Nah pada i naive bayes classifier, model yg dimaksud ini apa ya kak jdinya?
Model probabilitas terbesar kak.
Jadi semisal terdapat beberapa kelas. Kemudian untuk setiap data dihitung probabilitasnya apabila masuk di sebuah kelas.
Mana yang memiliki probabilitas terbesar, itu yang dipilih oleh naive bayes.
@@yogiekohhh seperti itu baik kak. Terimakasiiih
Maaf kak mau nanya lagi. Kalo misalkan saya ingin memprediksi status kelulusan mahasiswa angkatan 2018 apakah tepat waktu atau tidak (data belum memiliki label). Menggunakan data pembelajaran berupa data angkatan 2013-2017.
Ketika saya baca-baca, saya dapat kesimpulan bahwa data triningnya itu angkatan 2013-2017 dan data testingnya angkatan 2018. Nah yg saya bingungkan adalah bagaimana caranya kita tau performance dari algoritma naive bayesnya.
Soalnya kalo di klasifikasi kan dia bisa dengan cara membandingkan jumlah data testing yg benar dengan data aslinya. Sedang pada kasus saya, saya menggunakan apa ya kak?
Dan penelitian saya ini jatuhnya ke prediksi yg arahnya klasifikasi ya kak?
@@fidiarm7401 data training dan testingnya diambil dari 2013-2017 tersebut. Apabila ada 100 data, tinggal dibagi menjadi 2. Sehingga nanti bisa dihitung akurasinya.
Ketika semisal dapat akurasi 90%.
Kemudian melakukan prediksi menggunakan data 2018, dapat dikatakan, anda memprediksi data 2018 dengan hasil terlampir serta tingkat keyakinan 90% benar.
Bedakan antara data untuk pengujian dan data untuk prediksi. Itu sudah 2 hal terminologi yang berbeda
Mau tanya bang, cara menentukan variable.algoritma naive Bayes itu seperti apa ya?
Yang ditentukan ada 2, yaitu variable Y yaitu targetnya apa dan beberapa variable X, yaitu yang mempengaruhi variable Y tersebut. Harus mencari kasusnya dulu. Apa bisa diberitahu, kasus yang mau digunakan apa?
@@yogiek analisis sentimen terhadap data tweet traveloka bang
@@fennynovianti9611 kalau analisis sentimen isinya biasanya hanya 2 saja kan.
Data komentar sebagai variable X dan sentimen (positif, negatif, netral) sebagai variable Y nya..
Kak apa bisa digabung algoritma CNN dan Naive Bayes? Makasih
Bisa saja mas.
Hanya tergantung cara penggabungannya.
Semisal, untuk pre processing data nya menggunakan metode ANN, lalu klasifikasinya menggunakan Naive Bayes. Atau bisa juga sebaliknya.
@@yogiek kalau CNN kak? hehe. Untuk keperluan thesis. Soalnya kalau CNN sendiri terlalu besar komputasinya
@@lafchannel4953 CNN sendiri sudah kompleks lho mas. Sudah mencakup dari awal sampai akhir.
Ya bisa bisa saja sih kalau mau dipaksakan...
Di salah satu tahapan, tinggal pakai metode naive bayes. Atau sebaliknya.
@@yogiek kak izin bertanya, untuk pre processing menggunakan ANN itu gimana maksudnya? Maaf kak untuk keperluan tugas akhir
@@lafchannel4953 Preprocessing data kan ada banyak mas. Contohnya seperti data cleaning & data cleansing kalau mau menghilangkan data yang tidak lengkap atau mengganti dengan default value, feature selection (memilih atribut yang akan digunakan, semisal awalnya ada 15 atribut, akhirnya menjadi 10 atribut saja yang diproses), perubahan nilai data, dll.
Contohnya kalau pakai ANN, mengganti sebuah nilai pada atribut X dengan menggunakan metode backpropagation, sehingga output dari backpro nanti akan menjadi input dari Naive Bayes.
cara menentukan yes atau no bagaimana ka?
Maksudnya?
Yes atau no kan diambil dari datanya, bang.
Assalamualaikum kak pengen nanya bagaimana kalo kita ambil data dari bps daerah masing2 bagaimana cara menghitung NB nya?
Ambil data nya tentang apa? Naive bayes umumnya karakteristik datanya berupa data kategorikal. Jadi kalau data bps, yang umumnya numerik, diubah dalam bentuk kategori dulu.
@@yogiek tentang kesehatan kak tp ambil datanya lewat BPS
Tp gk ngerti saya cara hitungnya soalnya beda sama saya lihat di toturial kk sama data di BPS nya kak mohon arahannya terimakasih 🙏🙏
Ya itu tadi mbak.
Kalau datanya dalam bentuk numerik(angka), maka di pre processing dulu ke dalam bentuk kategorikal. Semisal : umur 1-20 diubah menjadi "usia muda", lalu umur 21-40 diubah menjadi "usia dewasa", dst.
Kalau udah diubah ke kategorikal, maka bisa dihitung seperti perhitungan di video ini.
Misi bang bisa buat klasifikasi data kata spam dan non spam ?
Pakai sentimen analisis itu mas.
Kalau pakai Naive Bayes untuk klasifikasinya bisa pak.
Kak, Saya request PERHITUNGAN ALGORITMA NAIVE BAYES pada klasifikasi Karakteristik Kepribadian Siswa.
Saya tidak ada datanya. :D. Bisa share datanya ke saya?
Kak kalo untuk menentukan klasifikasi curah hujan itu gimana ya yg menggunakan angka, kak tolong bantu jawab ya
Untuk yang menggunakan angka, bisa dibuat kategorinya terlebih dahulu.
Semisal ada variabel x bernama kelembapan udara, nilainya dari 100-200.
Nanti dibuat kategori, semisal "rendah" adalah yang kelembapan udaranya dari 100-125.
Kategori "sedang" untuk kelembapan udara dari 126-170, dan seterusnya.
Di akhir, nanti bisa diproses dengan naive bayes berdasarkan kategori tersebut.
@@yogiek Alhamdulillah dpt blsan😭😭😭kak saya sampe DM Instagram kakak🙏
@@yogiek oh jadi dikategorikan terlebih dahulu, misal kak saya pake data selama satu tahun nanh hasil dari prediksi nya itu buat satu tahun kedepan atau gimana kak🙏
@@meilaninisa4375 kalau naive bayes biasanya digunakan untuk prediksi per data atau untuk klasifikasi per data.
Kalau prediksi yang berurutan seperti prediksi cuaca 1 tahun ke depan, sepertinya Naive Bayes kurang cocok mbak.
Lebih cocok menggunakan regresi linier, regresi linier berganda, Long Short Term Memory, backpropagation. Yang algoritma nya bisa memunculkan grafik prediksi ke depan.
@@yogiek perdata itu maksudnya bagaimana ya kak🙏
rumusnya ada yang salah, notasinya ada yang terbalik dan penjumlahan dari kedua probability harusnya = 1, tapi hasil akhirnya benar
Terima kasih.
Kalau boleh tahu, yang bagian mana ya pak? Dan seharusnya bagaimana yang benar?
🙏
@@yogiek jadi seharusnya P(Yes|X) bukan P(X|Yes), dan tidak cuma dikali ya..
@@divaerenst8648 terima kasih atas koreksinya.
🙏
Karena pertanyaannya adalah berapa probability yes ketika x maka notasinya adalah P(yes|X)
@@yogiek kalau bisa diperbaiki mas videonya supaya kita sama-sama kembali ke jalan yang benar
kak metode optimasi apa saja yang bisa digunakan pada metode naive bayes ini
Naive Bayes biasanya digunakan untuk klasifikasi.
Kalau optimasi, bisa menggunakan machine learning, Jaringan Syaraf Tiruan atau deep learning.
Premature
mas ada nomor whatsapp kah? hehe pengen tanya2 mas hehe
085640661444
Kok Gampang yah
Prematur