Dalam data mining, ada satu metode yang cukup akurat dalam membantu dalam pengambilan keputusan, yaitu Naive Bayes. Naive Bayes berasal dari kata Naive (naif) yang artinya berpura-pura, dan Bayes dari Bayesian. Jadi metode ini tidak murni menerapkan teori Bayesian (teori Bayes), dan secara naif memberi asumsi pada setiap variabel berdiri sendiri terhadap variabel lain.
Dalam pengambilan keputusan, Naive Bayes berfungsi memberikan model berdasarkan data masa lalu,. Jadi Naive Bayes membantu mengklasifikasikan suatu data berdasarkan perhitungan variabel pada setiap data. Sehingga dalam pengerjaannya, diperlukan dua data, yaitu data sampel dan data uji. Data sampel ini yang akan dibuatkan model Naive Bayes, sementara data uji yang akan diujikan berdasarkan model Naive Bayes yang terbentuk sehingga keputusan dapat dibuat.
Terdapat dua jenis variabel yang akan dihitung dalam pemodelan Naive Bayes. Variabel tersebut adalah variabel yang bersifat pilihan (multinomial), dan inputan (normal). Variabel pilihan contohnya itu jenis kelamin (ada laki-laki, ada perempuan), pekerjaan (mahasiswa, pns, swasta), sedangkan inputan contohnya gaji, umur.
Lanjut ke sini untuk studi kasus penggunaan Naive Bayes
Tidak ada komentar:
Posting Komentar