Anda di halaman 1dari 7

BAB 1

PENDAHULUAN
1.1.

Latar Belakang
Derajat kesehatan masyarakat yang tinggi dapat digunakan sebagai indikator

keberhasilan program kesehatan dan program pembangunan sosial ekonomi. Untuk itu
diperlukan penelitian dalam mengambil keputusan menerima atau menolak hipotesis. 1
Penelitian pada umumnya bertujuan untuk mendapatkan jawaban yang terbaik bagi
pengembangan bidang kesehatan, baik bagi ilmu kedokteran itu sendiri maupun bagi
penatalaksanaan suatu penyakit. Jenis-jenis penelitian sangat beragam macamnya, sehingga
dalam membuat suatu rancangan penelitian tidak semudah yang dibayangkan. Ada beberapa
hal yang perlu dipertimbangkan oleh seorang peneliti dalam membuat dan menentukan
desain penelitiannya, diantaranya adalah ketersedian sumber daya manusia, dana, waktu,
fasilitas dan lain-lain.2
Pengambilan suatu keputusan adalah pemilihan satu diantara sekian banyak alternatif
yang tersedia, masalah ini tidak mudah dilakukan karena sebelum pelaksanaannya perlu
banyak pertimbangan dan perbandingan bahkan studi untuk dapat dijadikan sebagai referensi
dalam proses penentuan pilihan. Dalam bidang kedokteran, teori peluang digunakan untuk
pengobatan penyakit, untuk mendiagnosa suatu penyakit, dan meramalkan prognosis atau
mengadakan evaluasi serta mencari etiologi. 1 Metode Bayes merupakan salah satu
pengambilan keputusan yang telah banyak dipakai.3 Teorema Bayes digunakan sebagai alat
untuk mengukur suatu peluang dari setiap keputusan yang diambil.3
Pada makalah ini akan dibahas tentang Metode Bayes, mulai dari definisi metode
bayes, prinsip metode bayes, dan aplikasi yang dapat digunakan metode bayes, serta
keuntungan serta kerugian metode bayes.

1.2.

Tujuan
Tujuan dari penulisan makalah ini adalah untuk lebih mengerti dan memahami

tentang metode bayes serta untuk memenuhi persyaratan dalam mengikuti kegiatan
Kepaniteraan Klinik Senior (KKS) di Departemen Ilmu Kesehatan Masyarakat (Public
Health) Fakultas Kedokteran Universitas Sumatera Utara.
1.3.

Manfaat
Makalah ini diharapkan dapat memberikan manfaat kepada penulis dan pembaca

khususnya yang terlibat dalam bidang medis dan masyarakat secara umumnya agar dapat
mengetahui dan memahami lebih dalam tentang metode bayes.

BAB 2
TINJAUAN PUSTAKA

2.1.

Definisi
Teorema Bayes dikemukakan oleh Thomas Bayes pada tahun 1763. Teorema Bayes

digunakan untuk menghitung peluang atau probabilitas terjadinya suatu peristiwa


berdasarkan pengaruh yang didapat dari hasil observasi.4 Perbedaan mendasar antara metode
Bayesian dengan statistik pada umumnya adalah bahwa dalam Bayesian, parameter dianggap
sebagai variabel random sedangkan dalam statistik klasik, parameter dianggap tidak diketahui
dan tetap.
Teorema Bayes, diambil dari nama Rev. Thomas Bayes, menggambarkan hubungan
antara peluang bersyarat dari dua kejadian H dan x sebagai berikut:5
P(x | H) P(H)
P(H | x) =
P(x)
or
P(x| H) P(H)
P(H | x) =
P(x | H)P(H) + P(x | H)P(H)

Misalkan x adalah sampel data yang label kelasnya tidak diketahui. Misalkan H
adalah hipotesa: sedemikian sehingga sampel data x termasuk dalam kelas khusus c. P(H/x),
probabilitas bahwa hipotesa H berlaku dengan diberikannya sampel data hasil pengamatan x.
P(H/x) adalah probabilitas posterior yang menggambarkan keyakinan kita pada hipotesa
setelah x diberikan. Sebaliknya, P(H) adalah probabilitas H sebelumnya untuk sesuatu
sampel, terlepas dari bagaimana bentuk data dalam sampel. Probabilitas posterior P(H/x)
didasarkan pada lebih banyak informasi daripada probabilitas priori P(H). Teorema Bayes
memberikan cara menghitung probabilitas posterior P(H/x) dengan menggunakan
probabilitas P(H), P(x) dan P(x/H).
2.2.

Prinsip Metode Bayes

Metode Bayes memberikan cara yang mendasar dalam memasukkan informasi


eksternal ke dalam proses analisa data. Proses ini diawali dengan distribusi probabilitas yang
sudah ada diberikan untuk himpunan data yang dianalisa. 6 Prinsip metode Bayesian
berdasarkan peluang bersyarat, sehingga dalam Bayesian mengenal dua istilah penting yaitu:
4,5

1. Prior yaitu distribusi dari parameter.


Dalam menentukan prior dilakukan dengan tingkat ketersediaan informasi penelitian
sebelumnya. Karena distribusi diberikan sebelum ada data yang dipertimbangkan, sehingga
disebut distribusi priori.
2. Posterior adalah distribusi yang merupakan perkalian antara prior dengan fungsi
likelihood.
Hal ini juga merupakan perbedaan antara metode Bayesian dan statistic klasik dimana
statistic klasik melakukan inferensia hanya berdasarkan fungsi likelihood sedangkan metode
Bayesian menggunakan distribusi posterior yeng merupakan perkalian antara fungsi
likelihood dan prior. Himpunan data baru menjadikan distribusi priori ini menjadi distribusi
posterior. Perubahan yang terjadi dari priori ke posterior merujuk pada Teorema Bayes.4,5,7
2.3.

Aplikasi Metode Bayes


a. Menentukan diagnosa suatu penyakit berdasarkan data-data gejala (sebagai contoh
hipertensi atau sakit jantung).
b. Mengenali buah berdasarkan fitur-fitur buah seperti warna, bentuk, rasa dan lain-lain
c. Mengenali warna berdasarkan fitur indeks warna RGB
d. Mendeteksi warna kulit (skin detection) berdarkan fitur warna chrominant
e. Menentukan keputusan aksi (olahraga, art, psikologi) berdasarkan keadaan.
f. Menentukan jenis pakaian yang cocok untuk keadaan-keadaan tertentu (seperti cuaca,
musim, temperatur, acara, waktu, tempat dan lain-lain)

2.4.

Teknik Klasifikasi

Beberapa teknik pengklasifikasian yang digunakan:6


1. Decision tree classifier
2. Rule based classifier
3. Neural network
4. Naive bayes

Setiap teknik menggunakan alogoritma pembelajaran untuk mengindentifikasi model yang


memberikan hubungan yang paling sesuai.
2.5.

Contoh Metode Bayes


Contoh dari teori bayesian adalah kasus pasien yang memiliki kesulitan dalam

bernafas. Keputusan yang diambil adalah antara kasus pasien yang menderita asma atau
pasien yang menderita kanker paru-paru.3,4
-

Keputusan 1

: menyatakan seseorang menderita kanker paru-paru walaupun

sebenarnya gejala asma

(cost: cukup tinggi, sehingga menakuti pasien dan

membuat pasien menjalani pemeriksaan yang tidak perlu).


-

Keputusan 2

: menyatakan seseorang asma walaupun sebenarnya kanker

paru-paru (cost: sangat tinggi sehingga membuat pasien kehilangan kesempatan


untuk mengobati kanker pada stadium awal ataupun akhir).
2.6.

Keuntungan dan Kerugian Metode Bayes

Kerugian Metode Bayes antara lain:3,4


1. Metode Bayes hanya bisa digunakan untuk persoalan klasifikasi dengan supervised
learning dan data-data kategorikal.
2. Metode Bayes memerlukan pengetahuan awal untuk dapat mengambil suatu
keputusan. Tingkat keberhasilan metode ini sangat tergantung pada pengetahuan awal
yang diberikan.
Keuntungan Metode Bayes antara lain:3,4
1. Interpolation: Metode bayes mempunyai pilihan mengenai seberapa besar waktu dan
usaha yang dilakukan oleh manusia vs komputer.
2. Bahasa: Metode bayes mempunyai bahasa tersendiri untuk menetapkan hal prior dan
posterior.
3. Intuisi: Melibatkan prior dan integrasi, dua aktivitas yang berguna secara luas.
Bayesian probability adalah teori terbaik dalam menghadapi masalah estimasi dan
penarikan kesimpulan. Bayesian method dapat digunakan untuk penarikan kesimpulan pada
kasus-kasus dengan multiple source of measurement yang tidak dapat ditangani oleh metode
lain seperti model hierarki yang kompleks.3,5
BAB 3

KESIMPULAN

Teorema Bayes, diambil dari nama Rev. Thomas Bayes

digunakan untuk

menghitung peluang atau probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang
didapat dari hasil observasi.
Prinsip metode Bayesian berdasarkan peluang bersyarat, sehingga dalam Bayesian
mengenal dua istilah penting yaitu: Prior yaitu distribusi dari parameter dan Posterior adalah
distribusi yang merupakan perkalian antara prior dengan fungsi likelihood.
Aplikasi metode bayes adalah menentukan diagnosa suatu penyakit berdasarkan datadata gejala, mengenali buah berdasarkan fitur-fitur buah, mengenali warna, mendeteksi warna
kulit (skin detection), menentukan keputusan aksi berdasarkan keadaan, serta menentukan
jenis pakaian yang cocok untuk keadaan-keadaan tertentu (seperti cuaca, musim, temperatur,
acara, waktu, tempat dan lain-lain).
Teknik yang digunakan dalam metode bayes menggunakan alogoritma pelajaran yang
sesuai, adapun teknik nya antara lain Decision tree classifier, Rule based classifier, Neural
network, dan Naive bayes.
Dari segi keuntungan, metode bayes merupakan teori terbaik dalam menghadapi
masalah estimasi dan penarikan kesimpulan. Namun selain keuntungan, metode bayes juga
memiliki kelemahan antaralain hanya bisa digunakan untuk persoalan klasifikasi dengan
supervised learning dan data-data kategorikal dan memerlukan pengetahuan awal untuk
dapat mengambil suatu keputusan. Tingkat keberhasilan metode ini sangat tergantung pada
pengetahuan awal yang diberikan.

DAFTAR PUSTAKA

1. Wahyuni, A.S.2007. Metode Penarikan Sampel dan Besar Sampel : Statistika


Kedokteran. Jakarta: Bamboedoea Communication.
2. Jasaputra, Krisanti D. Santosa, Slamet. Metodologi Penelitian Biomedis. Bandung :
Danamartha Sejahtera Utama. 2008. Hal 43 57

3. Bolstad, W.M. (2007), Introduction to Bayesian Statistics, John Wiley and Sons, New
Jersey.
4. Hadiyat, M.A. (2007), Pemodelan Markov Switching GARCH (Penerapan pada
Return Indeks Dowjones), Tesis Magister, Institut Teknologi Sepuluh Nopember
(ITS), Surabaya.
5. Pradhan B, Kundu D. Bayes Estimation and Prediction of the Two-Parameter Gamma
Distribution. Journal Statistical Computation and Simulation. 2011; 81:1187-1198.
6. Albert, J. (2009), Bayesian Computation with R, Springer, Newyork.
7. Ardia, D. dan Hoogerheide, L.F. (2010), Bayesian Estimation of the GARCH(1,1)
Model:The R Package bayes GARCH, The R Journal, Vol.2, No.2, pp 41-47.