Popular posts

Akhyar On Wednesday 27 September 2017

TUGAS DATA MINING
MENGGUNAKAN APLIKASI WEKA

            Nama  : Muhammad Aulia Akhyar
            NIM     : 140500270

Assalammualaikum Warahmatullahi Wabarakatuh
            Pada kesempatan kali ini saya akan menjelaskan sedikit penggunaan aplikasi WEKA serta contoh dari pengklsifikasian dengan menggunakan metode Naive Bayes, tutorial ini tercipta guna sebagai salah satu tugas kuliah dari Mata Kuliah Data Mining, selamat membaca.

  •  Buka Aplikasi WEKA
Yang pertama dilakukan sudah pasti yaitu membuka aplikasi WEKA yang nantinya akan kita gunakan dalam me-mining data, ketika aplikasi sedang proses membuka, maka akan muncul seperti pada gambar dibawah ini.

  •  Buka Data yang Akan Diolah

Sebelum kita mengolah data yang akan kita olah nantinya, terlebih dahulu kita harus membuka file yang akan kita olah, dengan mengklik menu explorer. Setelah itu klik tab open file dan carilah data yang akan kita gunakan, dalam kasus ini saya menggunakan data yang berjudul chronic kidney disease, silahkan melihat gambar dibawah ini:



Lalu data akan tampil pada WEKA seperti gambar yang ada dibawah ini:


  •  Menyimpan dengan format CSV

Setelah kita membuka file data tadi, maka kita harus menyimpannya dengan format CSV, maka gantilah format dengan mengklik pilihan files of types dari yang berformat arff, menjadi CSV, seperti gambar yang ada dibawah ini:



Dan untuk pemformatan data menjadi CSV telah selesai, selanjutnya kita akan membahas proses analisis data di WEKA dengan metode Naive Bayes.



  •  Analisis Data dengan Metode Naive Bayes

Naive bayesian klasifikasi adalah suatu klasifikasi berpeluang sederhana berdasarkan aplikasi teorema Bayes dengan asumsi antar variabel penjelas saling bebas (independen). Dalam hal ini, diasumsikan bahwa kehadiran atau ketiadaan dari suatu kejadian tertentu dari suatu kelompok tidak berhubungan dengan kehadiran atau ketiadaan dari kejadian lainnya.

Naive Bayesian dapat digunakan untuk berbagai macam keperluan antara lain untuk klasifikasi dokumen, deteksi spam atau filtering spam, dan masalah klasifikasi lainnya. Dalm hal ini lebih disorot mengenai penggunaan teorema Naive Bayesian untuk spam filtering

     Teorema Naive Bayesian memiliki beberapa kelebihan dan kekurangan yaitu sebagai berikut :

Keuntungan Naive Bayesian :

  • Menangani kuantitatif dan data diskrit
  •  Kokoh untuk titik noise yang diisolasi, misalkan titik yang dirata – ratakan ketika mengestimasi peluang bersyarat data.
  • Hanya memerlukan sejumlah kecil data pelatihan untuk mengestimasi parameter (rata – rata dan variansi dari variabel) yang dibutuhkan untuk klasifikasi.
  • Menangani nilai yang hilang dengan mengabaikan instansi selama perhitungan estimasi peluang
  • Cepat dan efisiensi ruang
  • Kokoh terhadap atribut yang tidak relevan


Kekurangan Naive Bayesian :
  •  Tidak berlaku jika probabilitas kondisionalnya adalah nol, apabila nol maka probabilitas prediksi akan bernilai nol juga
  • Mengasumsikan variabel bebas


Untuk membuat data dengan Naive Bayes, maka ikuti langkah di bawah berikut ini.
Klik Open file, lalu pilih file yang tadi kita gunakan, lalu klik filter dan pilih atribute numerictonominal seperti gambar dibawah ini:


                                Selanjutnya pindah pada tab classify, pada menu classifier yang tersedia, carilah NaiveBayes sebagai model klasifikasi yang kita gunakan, setelah itu klik start pada aplikasi, maka tampilan akhir untuk peng-klasifikasian menggunakan metode NaiveBayes adalah seperti pada gambar di bawah ini.



                Sekian dan Terimakasih atas perhatian nya.

Sumassalammualaikum Warahmatullahi Wabarakatuh