Pengertian Algoritma Naive Bayes - PrinceWisnu

Algoritma Naive Bayes merupakan sebuah metoda klasifikasi menggunakan metode probabilitas dan statistik yg dikemukakan oleh ilmuwan Inggris Thomas Bayes. Algoritma Naive Bayes memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai Teorema Bayes. Ciri utama dr Naïve Bayes Classifier ini adalah asumsi yg sangat kuat (naïf) akan independensi dari masing-masing kondisi / kejadian.

Naive Bayes Classifier bekerja sangat baik dibanding dengan model classifier lainnya. Hal ini dibuktikan pada jurnal Xhemali, Daniela, Chris J. Hinde, and Roger G. Stone. “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 dibanding model classifier lainnya”.

Keuntungan penggunan adalah bahwa metoda ini hanya membutuhkan jumlah data pelatihan (training data) yang kecil untuk menentukan estimasi parameter yg diperlukan dalam proses pengklasifikasian. Karena yg diasumsikan sebagai variabel independent, maka hanya varians dari suatu variabel dalam sebuah kelas yang dibutuhkan untuk menentukan klasifikasi, bukan keseluruhan dari matriks kovarians.

Tahapan dari proses algoritma Naive Bayes adalah:

• Menghitung jumlah kelas / label.
• Menghitung Jumlah Kasus Per Kelas
• Kalikan Semua Variable Kelas
• Bandingkan Hasil Per Kelas

1. Kelebihan & Kekurangan Naive Bayes

Kelebihan Naive Bayesian :

1. Menangani kuantitatif dan data diskrit
2. Kokoh untuk titik noise yang diisolasi, misalkan titik yang dirata – ratakan ketika mengestimasi peluang bersyarat data.
3. Hanya memerlukan sejumlah kecil data pelatihan untuk mengestimasi parameter (rata – rata dan variansi dari variabel) yang dibutuhkan untuk klasifikasi.
4. Menangani nilai yang hilang dengan mengabaikan instansi selama perhitungan estimasi peluang
5. Cepat dan efisiensi ruang
6. Kokoh terhadap atribut yang tidak relevan

Kekurangan Naive Bayesian :

1. Tidak berlaku jika probabilitas kondisionalnya adalah nol, apabila nol maka probabilitas prediksi akan bernilai nol juga
2. Mengasumsikan variabel bebas

Kegunaan Naïve Bayes

• Mengklasifikasikan dokumen teks seperti teks berita ataupun teks akademis
• Sebagai metode machine learning yang menggunakan probabilitas
• Untuk membuat diagnosis medis secara otomatis
• Mendeteksi atau menyaring spam

Daftar Referensi : 

https://informatikalogi.com/algoritma-naive-bayes/

https://www.dictio.id/t/apa-saja-kelebihan-dan-kekurangan-metode-naive-bayes/12476

https://binus.ac.id/bandung/2019/12/algoritma-naive-bayes/

Related Posts