3.

Pengalaman dengan Jaringan Kepercayaan

Semakin terlibat dalam model Bayesian, maka akan mulai belajar komputasi lebih maju
dan secara filosofis pendekatan yang lebih umum. Hal ini diperlukan pencernaan dan berpikir
dalam mencetuskan ide yang jelas untuk dapat mengambil manfaat, dapat diterapkan, dan
memiliki metodologi menarik. Misalnya, buku teks beberapa ide mulai muncul. Banyak sifat
jaringan kepercayaan yang penggunaannya dengan sumber daya dan pemodelan lingkungan.

a. Studi jaringan kepercayaan

1) Linguistik
2) Pragmatis
3) Mekanistik

Studi kasus pertama adalah model analitik, yaitu dengan menggabungkan pasangan
model penilaian yang diberikan untuk rekomendasi pada keputusan. Misalnya, model
penilaian stok ikan untuk memberi rekomendasi pada keputusan kuota salmon di laut Baltik.
Ketidakpastian struktural dalam model penilaian dan penggabungan informasi dari
beberapa sumber relatif baik, meskipun membutuhkan implementasi yang berat. Ikatan
struktural yang tidak pasti tidak terlalu penting pada level taktis pengambilan keputusan,
tetapi pada tingkat strategis. Seperti dalam analisis dan seleksi antara aplikasi berbagai opsi
control.

Berdasarkan gagasan di atas, model deterministik berorientasi manajemen sederhana

sebagai entitas yang secara struktural tidak pasti. Pendekatannya diperluas untuk
memasukkan estimasi parameter dan ketidakpastian structural model, dan optimasi. Hal
tersebut terjadi pada studi besar, seperti di IIASA, di mana kebijakan biaya efektif dirancang
untuk mengatasi masalah yang luas. Misal:

a) Masalah polusi sungai di ekonomi transisi Eropa

Pendekatan dilakukan dengan model sungai, yang secara komputasi menarik.
Seperti, sungai memiliki struktur pohon, yaitu bagus untuk model.
b) Permainan mental

Menghasilkan metodologi untuk mengakui pengetahuan ahli dalam analisis masalah

yang kompleks. Misalnya, di sector lingkungan.
b. Manajemen perikanan salmon
Keadaan saat ini dari stok salmon Baltik liar adalah miskin. Dari seluruh saham,
bagian dari salmon dengan asal liar sangat menurun. Selama dekade terakhir menjadi 10%,
karena kurangnya pemijahan, misalnya, kematian nelayan yang tinggi. Komisi Perikanan
Laut Baltik Internasional telah menyatakan tujuan dari salmon Baltik untuk melindungi
stok salmon liar. Ketidakpastian prediksi stok dan manajemen berbasis TAC adalah tinggi,
untuk mengurangi beberapa variabel tambahan ke standar pendekatan virtual populasi
analysis (VPA). Misalnya, suhu air, pertumbuhan pasca hujan, dan CPUE. Keduanya
digunakan sebagai sumber informasi, dan pekerjaan penilaian yang membutuhkan
metodologi yang memungkinkan pertimbangan semua informasi yang relevan. Jenis
masalah ini biasa terjadi pada perikanan manajemen (Schnute dan Hilborn, 1993). Untuk
memenuhi persyaratan ini, jaringan kepercayaan dibangun, di mana model VPA dan model
regresi tertanam (Varis dan Kuikka, 1997).
Prediksi VPA konvensional dapat digunakan dengan prediksi metamodel, memberi
distribusi probabilitas untuk prediksi. Peran prediktif dari model regresi dapat dianalisis
dengan kekuatan tautan. Berbagai analisis sensitivitas dan simulasi hipotesis kausal dapat
dilakukan, baik untuk diagnosis maupun prediksi. Struktur tautan juga dapat digunakan
untuk akuisisi pengetahuan. Jaringan kepercayaan perkiraan kematian perikanan
digunakan untuk memasukkan pengetahuan ahli tentang berbagai dependensi dalam
mortalitas penangkapan ikan dalam stok tertentu.

Rekomendasi TAC dapat diberikan kepada pembuat kebijakan, tidak hanya sebagai
tunggal (diharapkan) nilai yang sebelumnya, biasanya didasarkan pada beberapa model
regresi atau pada VPA, dan sebagai distribusi probabilitas gabungan.