Professional Documents
Culture Documents
4.
9.2
Ringkasan Materi
A. Definisi
Bayesian Network merupakan suatu notasi grafis yang sederhana untuk
pernyataan bebas bersyarat dan oleh karenanya untuk spesifikasi atas full joint
distribution yang padat.
B. Sintak Bayesian Network
Adapun sintak dari Bayesian Network terdiri atas:
P ( X i|Parents ( X i) )
Suatu contoh sederhana, distribusi bersyarat direpresentasikan sebagaimana
dalam suatu suatu tabel probabilitas bersyarat (conditional probability table/CPT)
memberikan distribusi atas Xi untuk setiap kombinasi nilai parentnya.
Compactness
Suatu tabel probabilitas bersyarat (CPT) untuk nilai Boolean Xi dengan k Boolean
parent mempunyai 2k baris untuk kombinasi dari nilai parent.
B
Setiap baris meminta satu angka peluang p untuk Xi=true (angka untuk
Xi=false sebesar 1-p)
Jika setiap variabel tidak memiliki lebih banyak k parent, maka network
yang lengkap memerlukan O(n.2k ) angka.
Dari nilai-nilai yang ada di dalam tabel CPT terlihat untuk jaringan
burglary, terdapat 1+1+4+2+2 = 10 angka (vs. 25 - 1 = 31)
Sesuai dengan rumus
1 + 1 + 4 + 2 + 2 didapat dari
= P (B) + P(E) + P(A | B , E) + P(J | A) + P(M | A)
= P (B) + P(E) + {P(A | B, E) + P( A | B, E) + P( A | B, E) +
P(A | B, E)} + {P( J | A) + P( J |A)} + {P(M | A) + P( M |A)}
= 1 + 1 + { 1 + 1 + 1 + 1} + {1 + 1} + {1 + 1}
=1+1+4+2+2
Seperti pada contoh dibawah
P(Mary Calls) + P(John Calls | Marry
Calls ) + P(Earthquake | Mary Calls , John
Calls ) +
P(Burglary | Mary Calls , John Calls,
Earthquake) + P( Alarm | Mary Calls , John
Calls, Earthquake, Burglary)
= 1 + 2 + 4 + 8 + 16
= 31
Semantics
Full joint distribution didefinisikan sebagai perkalian atas distribusi bersyarat
lokal:
B
(chain rule)
in1 P X i | parent X i
(by construction)
Contoh:
Tentukan P(C=T|S=T) !
Jawaban:
9.3
Percobaan
Weather
Toothache
Catch
B. Contoh 2
Andi punya alarm baru. Alarm akan berbunyi jika ada pencuri (burglary) masuk
rumah Andi. Tetapi alarm juga akan berbunyi jika ada gempa kecil, di mana
gempa tersebut tidak terasa di tempat John dan Mary. Jika alarm berbunyi, John
dan Mary
berjanji untuk menelepon Andi saat Andi bekerja di kantor. Tetapi terkadang saat
alarm berbunyi John ataupun Mary tidak tahu karena mereka sedang pergi, atau
karena suara alarm yang kecil karena baterai habis, atau karena ada suara lain
yang lebih keras dari alarm tersebut. Adakah seorang pencuri(burglar)?
Variabel-variabel yang terlibat: Burglary, Earthquake, Alarm, JohnCalls,
MaryCalls
Topologi jaringan merefleksikan pengetahuan sebab akibat:
o Seorang Burglary dapat menyebabkan alarm nyala
o Earthquake dapat menyebabkan alarm nyala
o Alarm dapat menyebabkan adanya panggilan dari Mary(MarryCall)
o Alarm dapat menyebabkan adanya panggilan dari John(JohnCall)
Sehingga bisa diilustrasikan sebagaimana berikut:
Dari ilustrasi pada Gambar 10.3 dapat diartikan: Burglary dan Earthquake
keduanya merupakan variabel independent dengan nilai probabilitas masingmasing: P(B)= 0.001 dan P(E)=0.002. Namun Alarm merupakan varibel
bersyarat, yang dipengaruhi oleh Burglary dan Earthquake.
C. Contoh Semantics
P(J|M) = P(J) ?
Apakah Peluang JohnCalls bersyarat terhadap MaryCalls sama
dengan peluang terjadinya JohnCalls?
Jawabannya: Tidak, karena dari graph di atas terlihat bahwa
Burglary
Alarm
MaryCalls
Jo
Burglary
Alarm
Earthqueke
sehingga:
P(B | A, J, M) = P(B | A)? Yes
P(B | A, J, M) = P(B)? No
Kemudian, jika diberikan P(E | B, A, J, M) apakah sama dengan
P(E | A)?
Juga apakah P(E | B, A, J, M) sama dengan P(E | A, B)?
MaryCalls
Joh
Burglary
Earthqueke
Alarm
sebelumnya, bahwa:
P(E | B, A ,J, M) = P(E | A)? No
P(E | B, A, J, M) = P(E | A, B)? Yes
Penentuan kebebasan bersyarat (conditional independence) adalah sulit
pada arah sebab akibat secara langsung.
9.4
Tugas Praktikum
DAFTAR PUSTAKA
-
DAFTAR PUSTAKA