powerpoint presentationebook.repo.mercubuana-yogya.ac.id/fti/materi_doc_20161/tif62-p8... · title:...
Post on 05-Oct-2020
11 Views
Preview:
TRANSCRIPT
P8 – Uncertainty(TIF62)
A. Sidiq P.
http://sidiq.mercubuana-yogya.ac.id
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Mercu Buana Yogyakarta
Bayes
• Metode Bayes merupakan metode yang baik di dalam machine learning berdasarkan data training, dengan menggunakanprobabilitas bersyarat sebagai dasarnya.
• Metode Bayes juga merupakan suatu metode untuk menghasilkanestimasi parameter dengan menggabungkan informasi dari sampeldan informasi lain yang telah tersedia sebelumnya. Keunggulan utamadalam penggunaan Metode Bayes adalah penyederhanaan dari caraklasik yang penuh dengan integral untuk memperoleh model marginal (Arhami, 2005: 142).
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com2
Probabilitas dan Metode Bayes
• Probabilitas Bayes merupakan salah satu cara yang baik untuk mengatasiketidakpastian data dengan menggunakan formula bayes yang dinyatakan denganrumus :
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com3
𝑃(𝐻|𝐸) =𝑃 𝐸 | 𝐻 . 𝑃(𝐻)
𝑃(𝐸)
Dimana :
• P(H|E) = probabilitas hipotesa H benar jika diberikan evidence E
• P(E|H) = probabilitas munculnya evidence E jika diketahui hipotesis H
• P(H) = probabilitas hipotesis H tanpa memandang evidence apapun
• P(E) = probabilitas evidence E
• Secara umum teorema bayes dengan E kejadian dan hipotesis H dapat dituliskan dalaam bentuk
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com4
𝑃(𝐻|𝐸) =𝑃 𝐸 ∩ 𝐻𝑖 𝑗 𝑃 𝐸 ∩ 𝐻𝑖
=𝑃 𝐸 | 𝐻𝑖 𝑃 𝐻𝑖 𝑗 𝑃 𝐸 | 𝐻𝑖 𝑃 𝐻𝑖
=𝑃 𝐸 | 𝐻𝑖 𝑃 𝐻𝑖𝑃 𝐸
• Teorema bayes dapat dikembangkan jika setelah dilakukan pengujianterhadap hipotesis kemudian muncul lebih dari satu evidence :
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com5
𝑃(𝐻|𝐸, 𝑒) = 𝑃(𝐻|𝐸)𝑃 𝑒 | 𝐸, 𝐻
𝑃 𝑒 𝐻)
Dimana :
• e = evidence lama
• E = evidence baru
• P(H|E,e) = probabilitas hipotesa H benar jika muncul evidence baru E dari evidence lama e
• P(H|E) = probabilitas hipotesa H benar jika diberikan evidence E
• P(e|E,H) = kaitan antara e dan E jika hipotesis H benar
• P(e|E) kaitan antara e dan E tanpa memandang hipotesis apapun
Case StudyDiagnosa Penyakit Mematikan Pada Wanita
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com6
Kasus
• Citra melakukan diagnosa dengan menjawab pertanyaan sesuaidengan gejala berikut: • Mual, muntah
• Rasa haus berlebihan
• sering buang air kecil
• kadar gula darah tinggi
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com7
Step 1 - Permasalahan
• Diketahui daftar penyakitsebagai berikut
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com8
• Rule P004• G013 AND G014 AND G015
AND G016 THEN P004 dengannilai probabilitas 1
• Dimana :• G013 = Mual, muntah• G014 = Rasa haus berlebihan• G015 = sering buang air kecil• G016 = kadar gula darah tinggi• P004 = Infeksi saluran kencing
Step 2 – Nilai Bayes
No Nilai Bayes Teorema Bayes
1 0.0 – 0.2 Tidak Ada
2 0.3 – 0.4 Mungkin
3 0.5 – 0.6 Kemungkinan Besar
4 0.7 – 0.8 Hampir Pasti
5 0.9 – 1.0 Pasti
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com9
Rentang nilai kemungkinan bayes 0 – 1
Digunakan untuk mencocokkan nilai pakar
Step 3 – Nilai Pakar Terhadap Gejala
• Nilai yang diberikan pakar untuk masing-masing gejala :• G013 = 0.6
• G014 = 0.4
• G015 = 0.6
• G016 = 0.7
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com10
Step 4 – Perhitungan Bayes
No Gejala Nilai Pakar Sebagai
1 Mual, muntah 0,6 P(E|H1)
2 Rasa haus berlebihan 0,4 P(E|H2)
3 Sering buang air kecil 0,6 P(E|H3)
4 Kadar guka daarah tinggi 0,7 P(E|H4)
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com11
Dedinisi gejala yang dipilih dan dicocokkan
dengan nilai bobot dari pakar
Langkah perhitungan :
1. Mencari Nilai semesta
2. Menghitung nilai semesta P (Hi)
3. Menhitung probabilitas H tanpa
memandang evidence apapun
4. Mencari nilai P(Hi|E)
5. Menghitung total nilai bayes
• Mencari nilai semesta dengan menjumlahkan hipotesa
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com12
𝐺4
4
𝑘 = 1 = 𝐺1 + 𝐺2 + 𝐺3 + 𝐺4
= 0,6 + 0,4 + 0,6 + 0,7
= 2,3
• Setelah hasil penjumlahan diketahui, maka didapatkan rumus untukmenghitung nilai semesta P(Hi) adalah sebagai berikut:
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com13
• Setelah seluruh nilai P(Hi) diketahui, probabilitas hipotesis H tanpamemandang evidence apapun, maka langkah selanjutnya adalah:
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com14
• Langkah selanjutnya adalah mencari nilai P(Hi|E)
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com15
• Setelah seluruh nilai P(Hi|E) diketahui jumlahkan seluruh nilaibayesnya dengan rumus sebagai berikut
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com16
P5 - Kesimpulan
• Citra Hampir Pasti (nilai = 0,61228) menderita Infeksi SaluranKencing (P4)
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com17
Referensi
• Amborowati, A., dan Hidayah, N., 2016, ANALISIS DAN PERANCANGAN SISTEM PAKAR DIAGNOSA PENYAKIT MEMATIKAN PADA PEREMPUAN MENGGUNAKAN METODE BAYES (Studi Kasus : Asri Medical Center), Seminar Nasional Teknologi Informasi dan Multimedia 2016, ISSN : 2302-3805• http://ojs.amikom.ac.id/index.php/semnasteknomedia/article/viewFile/1229/1168
• Anggara, G., Pramayu, G., Wicaksana, A., 2016, MEMBANGUN SISTEM PAKAR MENGGUNAKAN TEOREMA BAYES UNTUK MENDIAGNOSA PENYAKIT PARU-PARU, Seminar Nasional Teknologi Informasi dan Multimedia 2016, ISSN : 2302-3805• http://ojs.amikom.ac.id/index.php/semnasteknomedia/article/viewFile/1360/1336
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com18
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com19
SQ - http://sidiq.mercubuana-yogya.ac.id
dnd_07june07@live.com20
top related