Page 94 - E Modul Data Analytics

Data Analytics

Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada Gambar 7.3.
Dengan memperhatikan pohon keputusan pada Gambar 7.3, diketahui bahwa semua kasus
sudah masuk dalam kelas. Dengan demikian, pohon keputusan pada Gambar 7.3

merupakan pohon keputusan terakhir yang terbentuk

7.2.2 Naïve Bayes

Algoritma Naïve Bayes merupakan suatu algoritma klasifikasi berdasarkan teorema
Bayesian pada statistika (Suntoro, et al., 2018). Algoritma Naïve Bayes berguna untuk

memprediksi probabilitas keanggotaan suatu kelas. Naïve Bayes merupakan statistik yang
fundamental pada data mining. Pendekatan ini didasari oleh kuantitatif trade-off pada berbagai
keputusan klasifikasi dengan memakai probabilitas. Adapun ciri utama dari Naïve Bayes

Classifier ini adalah asumsi yg sangat kuat (naif) akan independensi dari masing-masing kondisi
/ kejadian. (Wanto, 2020)

Menurut Olson Delen (2008) Naïve Bayes merupakan algoritma yang bekerja dengan
menghitung untuk setiap kelas keputusan, menghitung probabilitas dengan syarat bahwa kelas
keputusan adalah benar, mengingat vektor informasi obyek. Algoritma Naïve Bayes berkerja

dengan mengasumsikan bahwa atribut obyek adalah independen. Probabilitas yang terlibat
dalam memproduksi perkiraan akhir dihitung sebagai jumlah frekuensi dari” master” tabel
keputusan.

Keuntungan penggunannya algoritma Naïve Bayes adalah metode ini hanya
membutuhkan jumlah data latih yang kecil untuk menentukan estimasi parameter yg diperlukan
dalam proses pengklasifikasian. Karena yang diasumsikan sebagai variable independent, maka

hanya varians dari suatu variable dalam sebuah kelas yang dibutuhkan untuk menentukan
suatu klasifikasi, bukan keseluruhan dari matriks kovarians

Kelebihan Naïve Bayes:
1. Naïve Bayes dapat digunakan untuk data yang bersifat kuantitatif maupun kualitatif.

2. Pada proses analisis dan klasifikasi Naïve Bayes tidak memerlukan jumlah data yang
banyak.

3. Naïve Bayes tidak perlu melakukan pelatihan data dalam jumlam yang banyak.
4. Jika ada nilai yang hilang, maka Naïve Bayes bisa mengabaikan dalam perhitungan.
5. Naïve Bayes memiliki mekanisme dan proses perhitungan cepat dan efisien.

6. Naïve Bayes mudah untuk dipahami bagi pemula.

82