powerpoint presentationebook.repo.mercubuana-yogya.ac.id/fti/materi_doc_20161/tif62-p8... · title:...

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