Multinomial Bayes Network Status Gizi Balita
+ Free ShippingMultinomial Bayes Network Status Gizi Balita
Penulis: Yuli Hastuti
Editor:
Nani Sukartini Sangkala
Jumlah halaman: 78
Ukuran Buku: A5 (14,8×21)
Versi Cetak: Tersedia
versi ebook: tersedia
Berat. 0 Kg
Harga: Rp. Rp. 75.000
Bayes Network (BN), yang juga disebut Bayesian Belief Network (BBN) merupakan model graph peluang yang merepresentasikan himpunan variabel random dan peluang bersyaratnya menggunakan Directed Acyclic Graph (DAG). BN dapat didefinisikan sebagai kejadian , dimana G adalah model DAG dan menunjukkan himpunan parameter dari BN. Directed graph G terdiri dari himpunan node V dan edge E sehingga himpunan graph G dinotasikan .
Node merepresentasikan variabel random dan edge merepresentasikan hubungan langsung antar variabel yang digambarkan sebagai anak panah antara node. Node variabel respon memuat data kualitatif sedangkan node prediktor berupa data kualitatif ataupun kuantitatif. Selanjutnya, node prediktor disebut atribut. Karena atribut dalam struktur BN berskala data kualitatif dan ataupun kuantitatif sehingga metode BN dapat digunakan untuk mengklasifikasikan data skala campuran. Setiap node harus memenuhi sifat mutually exclusive dan mutually exhaustieve (Korb dan Nicholson, 2010). Artinya, setiap kejadian memiliki kesempatan untuk menjadi anggota dari node dan menjadi anggota tepat satu kategori dari node tersebut.Bayes Network (BN) merupakan salah satu metode klasifikasi yang dapat digunakan untuk mengklasifikasikan data dengan variabel berskala campuran. Metode ini menggabungkan teori graph dengan teorema bayes. Neapolitan (2002) menyatakan bahwa BN adalah metode graph peluang yang merepresentasikan suatu himpunan variabel dan peluang bersyaratnya. Struktur graph terdiri dari node yang merepresentasikan variabel random dan edge yang menandakan hubungan tiap node. Node variabel respon berupa data kualitatif sedangkan node variabel prediktor dapat berupa data kualitatif ataupun kuantitatif sehingga metode BN dapat diaplikasikan untuk kasus data berskala campuran.
Reviews
There are no reviews yet.