18
tingginya jumlah lubang pada bagian-bagian atau kelompok-kelompok
teretentu dari target tersebut.
2.4.4
Regresi
Menurut Han dan Kamber (2011, p245), Regresi merupakan fungsi
pembelajaran yang memetakan sebuh unsur data ke sebuah variabel prediksi
bernilai nyata.
2.5
Metode Data Mining
Menurut Han dan Kamber (2011, p327), metode data mining terdiri dari:
2.5.1
Naïve Bayes
Naïve Bayes merupakan pengklasifikasian dengan metode probabilitas
dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes.
Menurut Olson dan Delen (2008, p102) menjelaskan Naïve bayes
untuk
setiap kelas keputusan, menghitung probabilitas dengan syarat bahwa kelas
keputusan adalah benar, mengingat vektor informasi obyek. Algoritma ini
mengasumsikan bahwa atribut obyek adalah independen. Probabilitas yang
terlibat dalam memproduksi perkiraan akhir dihitung sebagai jumlah
frekuensi dari "master"
tabel keputusan. Sedangkan menurut Han dan
Kamber (2011, p351) Proses dari The Naïve Bayesian classifier, atau Simple
Bayesian Classifier, sebagai berikut:
1.
Variable
D menjadi pelatihan set tuple dan label
yang terkait dengan
kelas. Seperti biasa, setiap tuple
diwakili oleh vektor atribut n-
dimensi, X = (x1, x2, ..., xn), ini menggambarkan pengukuran n
dibuat pada tuple dari atribut n, masing-masing, A1, A2, ..., An.
2.
Misalkan ada kelas m, C1, C2, ..., Cm. Diberi sebuah tuple, X,
classifier
akan memprediksi X yang masuk kelompok memiliki
probabilitas posterior
tertinggi, kondisi-disebutkan pada X. Artinya,
classifier naive bayesian
memprediksi bahwa X tuple
milik kelas Ci
jika dan hanya jika :
Gambar 2.11 Rumus Classifier Naïve Bayesian (1)
Sumber: Han dan Kamber (2011, p351)
 |