Gara-gara karena tugas kuliah kecerdasan buatan atau artificial intelligence tentang jaringan keyakinan atau belief network, terpaksa deh cari-cari materi tentang teorema Bayes, yang kalau dibaca buku ilmu Statistik bikin pusing abisssss. Nah, akhirnya ketemu artikel di situs web : http://www.idomaths.com/id/peluang5.php yang menjelaskan teorema Bayes dengan sederhana dan mudah dicerna. Tulisan di bawah ini bener-bener di-copas dari situs tersebut tanpa minta ijin terlebih dahulu. Untuk itu saya mohon maaf.... silahkan artikelnya dibaca di bawah ini atau langsung ke situs sumbernya.
*** awal copas-an ***
Teorema Bayes, diambil dari nama Rev. Thomas Bayes, menggambarkan hubungan antara peluang bersyarat dari dua kejadian A dan B sebagai berikut:
| P(A | B) = | P(B | A) P(A) |
| P(B) |
or
| P(A | B) = | P(B | A) P(A) |
| P(B | A)P(A) + P(B | A)P(A) |
Contoh aplikasi dari Teorema Bayes
Di sebuah negara, diketahui bahwa 2% dari penduduknya menderita sebuah penyakit langka. 97% dari hasil tes klinik adalah positif bahwa seseorang menderita penyakit itu. Ketika seseorang yang tidak menderita penyakit itu dites dengan tes yang sama, 9% dari hasil tes memberikan hasil positif yang salah.Jika sembarang orang dari negara itu mengambil test dan mendapat hasil positif, berapakah peluang bahwa dia benar-benar menderita penyakit langka itu?
Secara sepintas, nampaknya bahwa ada peluang yang besar bahwa orang itu memang benar-benar menderita penyakit langka itu. Karena kita tahu bahwa hasil test klinik yang cukup akurat (97%). Tetapi apakah benar demikian? Marilah kita lihat perhitungan matematikanya.
Marilah kita lambangkan informasi di atas sebagai berikut:
- B = Kejadian tes memberikan hasil positif.
- = Kejadian tes memberikan hasil negatif.
- A = Kejadian seseorang menderita penyakit langka itu.
- = Kejadian seseorang tidak menderita penyakit langkat itu.
- P (A) = 2%
- P () = 98%
- P (B | A) = 97%
- P (B | ) = 9%
| A (2%) | (98%) | |
| B | Positif yang benar P (B ? A) = P (A) � P (B | A) = 2% � 97% = 0,0194 | Positif yang salah P (B ? ) = P () � P (B | ) = 98% � 9% = 0,0882 |
| Negatif yang salah P ( ? A) = P (A) � P ( | A) = 2% � 3% = 0,0006 | Negatif yang benar P ( ? ) = P () � P ( | ) = 98% � 91% = 0,8918 |
Dengan kata lain, kita mencoba untuk mencari peluang dari A, dimana B atau P (A | B).
Dari tabel di atas, dapat kita lihat bahwa P (A | B) adalah peluang dari positif yang benar dibagi dengan peluang positif (benar maupun salah), yaitu 0,0194 / (0,0194 + 0,0882) = 0,1803.
Kita dapat juga mendapatkan hasil yang sama dengan menggunakan rumus teorema Bayes di atas:
| P(A | B) = | P(B ? A) |
| P(B) | |
| = | P(B | A) � P(A) |
| P(B | A)P(A) + P(B | )P() | |
| = | 97% � 2% |
| (97% � 2%) + (9% � 98%) | |
| = | 0.0194 |
| 0.0194 + 0.0882 | |
| = | 0.0194 |
| 0.1076 | |
| P(A | B) = | 0.1803 |
Mengapakah demikian?
Ketika mengira-ngira peluangnya, seringkali kita lupa bahwa dari seluruh populasi negara itu, hanya 2% yang benar-benar menderita penyakit langka itu. Jadi, walaupun hasil tes adalah positif, peluang bahwa seseorang menderita penyakit langka itu tidaklah sebesar yang kita bayangkan.
Kita bisa juga meninjau situasi di atas sebagai berikut. Misalnya populasi negara tersebut adalah 1000 orang. Hanya 20 orang yang menderita penyakit langka itu (2%). 19 orang dari antaranya akan mendapat hasil tes yang positif (97% hasil positif yang benar). Dari 980 orang yang tidak menderita penyakit itu, sekitar 88 orang juga akan mendapat hasil tes positif (9% hasil positif yang salah).
Jadi, 1000 orang di negara itu dapat kita kelompokkan sebagai berikut:
- 19 orang mendapat hasil tes positif yang benar
- 1 orang mendapat hasil tes negatif yang salah
- 88 orang mendapat hasil tes positif yang salah
- 892 orang mendapat hasil tes negatif yang benar
Update Contact :
No Wa/Telepon (puat) : 085267792168
No Wa/Telepon (fajar) : 085369237896
Email : Fajarudinsidik@gmail.com
No Wa/Telepon (puat) : 085267792168
No Wa/Telepon (fajar) : 085369237896
Email: Fajarudinsidik@gmail.com
atau Kirimkan Private messanger melalui email dengan klik tombol order dibawah ini :
