Untuk mengatasi masalah ketidakpastian maka dapat digunakan penalaran statistik. Teori
Bayesian digunakan sebagai alat pengambil keputusan untuk memperbaharui tingkat kepercayaan
diri dari suatu informasi. Metode ini banyak diterapkan pada hal-hal yang berkenaan dengan
diagnosa secara statistik yang berhubungan dengan probabilistik serta kemungkinan dari penyakit
dan gejala gejala yang berkaitan.
Rumus bayes :
𝑃(𝐸\𝐻)∗𝑃(𝐻)
𝑃(𝐻\𝐸) = … … … … …. (2.1)
𝑃(𝐸)
Misalnya gejala yang tampak pada penyakit DBD melihat pada tabel 2.1 ada dua gejala yaitu
Poliuria (banyak kencing) (G01), dan Polidipsia (banyak minum) (G02). Berdasarkan gejala
tersebut maka dapat dihitung :
Tabel 2.1 Data Penyakit DBD
Kd penyakit Nama Penyakit
P1 Fase Demam pada DBD Bersumber
P2 Fase Kritis Demam Berdarah
P3 Fase Pemulihan DBD
Perhitungan Manual
1. Fase Demam pada DBD Bersumber
Jika probabilitas Fase Demam pada DBD Bersumber (P01) adalah 0,11
Jika probabilitas gejala adalah :
- Poliuria (banyak kencing) (G01) adalah 0,3
- Polidipsia (banyak minum) (G02) adalah 0,3,
Perhitungan nilai Bayes :
H(P01 | G01) = [ H(G01 | P01) * H (P01) ] /
[ H(G01 | P01) * H(P01) + H(G01 |
P02) * H(P02) + H(G01 | P03) *
H(P03) ]
0.3 ∗ 0.11
H(P01 | G01) =
0.3 ∗ 0.11 + 0 ∗ 0.11 + 0.3 ∗ 0.11
0.033
H(P01 | G01) =
0.066
H(P01 | G01) = 0,5
H(P01 | G02) = [ H(G02 | P01) * H (P01) ] / [ H(G02 | P01) * H(P01) + H(G02 | P02) * (P02) +
H(G02 | P03) * H(P03) ]
0.3 ∗ 0.11
H(P01 | G02) =
0.3 ∗ 0.11 + 0 ∗ 0.11 + 0 ∗ 0.11
0.033
H(P01 | G02) =
0.033
H(P01 | G02) = 1
H(P02 | G01) = [ H(G01 | P02) * H (P02) ] / [ H(G01 | P01) * H(P01) + H(G01 | P02) *
H(P02) + H(G01 | P03) * H(P03) ]
0 ∗ 0.11
H(P02 | G01) =
0.3 ∗ 0.11 + 0 ∗ 0.11 + 0 ∗ 0.11
0
H(P02 | G01) =
0.033
,
H(P02 | G01) = 0
H(P02 | G02) = [ H(G02 | P02) * H (P02) ] / [ H(G02 | P01) * H(P01) + H(G02 | P02) * H(P02)
+ H(G02 | P03) *
H(P03) ]
0 ∗ 0.11
H(P02 | G02) =
0.3 ∗ 0.11 + 0 ∗ 0.11 + 0 ∗ 0.11
0
H(P02 | G02) =
0.033
,
H(P02 | G02) = 0