Probabilitas dan Statistik

Teorema Bayes
Agusta R. Taufani, S.T., M.T.
NIP 198108172014041001

Konsep Teori Bayes

Dikemukakan oleh Reverend Thomas Bayes pada
abad ke 18.
Dikembangkan secara luas dalam statistik
inferensia.
Aplikasi banyak untuk : DSS dan Rehability

Konsep Teori Bayes

(cont.)

q Misalkan ada dua jenis motor (MV Agusta dan Aprilia)

yang berjalan melalui Sirkuit Sentul.
q Kita diminta mengamati objek-objek tersebut lewat di
sirkuit secara random dan memprediksi motor apa yang
akan lewat selanjutnya.
q Akan ada dua kemungkinan: misalkan h1 mewakili Motor
MV Agusta dan h2 mewakili Motor Aprilia.
q Jika sebelumnya diketahui bahwa jumlah Motor MV
Agusta dan Aprilia yang dipantau sama banyak, maka
peluang munculnya kedua motor tersebut sama besar.

Konsep Teori Bayes

(cont.)

q Selanjutnya didefinisikan suatu Probabilitas Prior:

P(h1)
P(h2)

: Peluang munculnya Motor MV Agusta

: Peluang munculnya Motor Aprilia

q Probabilitas prior tersebut menyatakan perkiraan kita akan jenis

motor apa yang muncul berikutnya sebelum ada motor yang benarbenar lewat di sirkuit itu.
q Misal N adalah jumlah total motor yang terpantau, N1 dan N2
menyatakan jumlah Motor MV Agusta dan jumlah Motor Aprilia,
maka:

P(h1) = N1 / N
P(h2) = N2 / N

Konsep Teori Bayes

(cont.)

Merupakan probabilitas bersyarat-suatu kejadian terjadi

setelah kejadian lain ada.
Rumus:
P(Ai|B) =

P(Ai) X P (B|Ai)
P(A1) X P(B|A1)+P(A2) X P(B|A2) + + P(Ai) X P(B|AI)

Contoh 1
Diketahui suatu kondisi sbb:

Peluang munculnya cacat jika diambil produk dari pabrik A adalah:

Jika secara random diambil dan ternyata hasilnya cacat, maka peluang
barang yang terambil tsb dari pabrik A adalah:

Contoh 2
q Terdapat dua hipotesis:
1. Pasien mengidap kanker
2. Pasien tidak mengidap kanker
q Data yang tersedia dari uji lab memiliki 2 kemungkinan, yaitu
positif (+) dan negatif (-).
q Terdapat informasi prior bahwa untuk keseluruhan populasi
hanya 0.008 yang menderita kanker.
q Uji lab menunjukkan bahwa dari seluruh keluaran positif, yang
benar mengidap kanker 98%.
q Sedangkan dari seluruh keluaran negatif, yang benar tidak
mengidap kanker 97%.

Contoh 2

(cont.)

Dari situasi tersebut dapat kita rangkum:

P(cancer) = 0.008

--> P(~ cancer) = 0.992

P(+ | cancer) = 0.98

-->

P(- | ~ cancer) = 0.97

--> P(+ | ~ cancer) = 0.03

P(- | cancer) = 0.02

Jika ditampilkan dalam bentuk tabel:

Uji Lab

cancer

~ cancer

0.98

0.03

0.02

0.97

0.008

0.992

Misalkan ada uji lab baru dan hasilnya positif. Apa kesimpulan kita akan pasien
yang bersangkutan (cancer / tidak)?

Contoh 2

(cont.)

Sehingga probabilitas posterior dapat dihitung sebagai berikut:

LATIHAN SOAL 1

Suatu generator telekomunikasi nirkabel mempunyai 3 pilihan

tempat untuk membangun pemancar sinyal yaitu di daerah tengah
kota, daerah kaki bukit , dan tepi pantai, dengan masing-masing
mempunyai peluang 0.2, 0.3, dan 0.5. Bila pemancar dibangun di
tengah kota, peluang terjadi ganguan sinyal adalah 0.05. Bila
pemancar dibangun dikaki bukit, peluang terjadinya ganguan
sinyal adalah 0.06. Bila pemancar dibangun ditepi pantai, pelaung
ganguan sinyal adalah 0.08
Pertanyaan:
A. Berapakah peluang terjadinya ganguan sinyal?
B. Bila diketahui telah terjadinya gangguan pada sinyal, berapa peluang
bahwa operator tsb ternyata telah membangun pemancar di tepi pantai?

LATIHAN SOAL 1

(cont.)

Jawab:
Tengah Kota

Kaki Bukit

Tepi Pantai

Pasang

0.2

0.3

0.5

Gangguan Sinyal

0.05

0.06

0.08

A. P(GS) = 0.2x0.05 + 0.3x0.06 + 0.5x0.08 = 0.068

B. Peluang terpasang di Tepi Pantai jika terjadi gangguan sinyal:

LATIHAN SOAL 2

Berdasarkan hasil penelitian ternyata bahwa mahasiswa pria

hanya 40% dari total jumlah mahasiswa di Malang. Berdasarkan
pada tingkat kelulusan ternyata mahasiswa wanita 90% lulus
tepat waktu, dan 80% mencapai IPK di atas 3,0. Sedang
mahasiswa pria yang lulus tepat waktu hanya 40% dan IPK di
atas 3,0 hanya 50%. Hitunglah:
Berapa persen, mahasiswa pria lulus tepat waktu dan IPK di
bawah 3,0?
Berapa peluang mahasiswi lulus tepat waktu dan IPK di atas
3,0?

LATIHAN SOAL 2

(cont.)

Untuk memudahkan dapat digunakan diagram pohon

seperti sebagai berikut:
IPK>3,0

Lulus Tepat
Mahasiswi
P(A) =0,6

P(C) =0,9

P(G) =0,8
IPK<3,0
P(H) =0,2

Lulus Tidak Tepat

P(D) =0,1

IPK>3,0
P(I) =0,8
IPK<3,0

Lulus Tepat
Mahasiswa
P(B) =0,4

P(E) =0,4
Lulus Tidak Tepat
P(F) =0,6

P(J) =0,2
IPK>3,0
P(K) =0,5
IPK<3,0
P(L) =0,5
IPK>3,0
P(M) =0,5
IPK<3,0
P(N) =0,5

LATIHAN SOAL 2

(cont.)

Peluang mahasiswa lulus tepat waktu di bawah 3,0

P(K|E|B) = 0,4 x 0,4 x 0,5 = 0,12
Peluang mahasiswi lulus tepat waktu dengan IPK di atas
3,0:
P(G|C|A) = 0,6 x 0,9 x 0,8 = 0,432