Pengertian Bayesian Network (Jaringan Bayesian)

Bayesian Network: Apa itu?

Bayesian network adalah jenis pemodelan grafis probabilistik yang menggunakan inferensi Bayesian untuk perhitungan probabilitas. Jaringan Bayesian bertujuan untuk memodelkan ketergantungan kondisional, dan oleh karena itu, dengan merepresentasikan ketergantungan bersyarat dalam grafik berarah. Melalui hubungan ini, seseorang dapat secara efisien melakukan inferensi pada variabel acak dalam grafik.

Bayesian network menggambarkan pola “sebab-akibat” dimana node mewakili variable yang terlibat di dalam kemungkinan kejadian tersebut.

Contoh Bayesian network. 
Bayesian Network adalah deskripsi lengkap sebuah domain. Notasi graph menyatakan conditional dependence (probability) dalam suatu domain yang terdiri dari node dan arc/edge. Node menyatakan sebuah random variable. Arc (directed edge) menyatakan hubungan kausal langsung (direct influence).

Pada ga,bar di atas, Bayesian Network yang digunakan adalah untuk menggambarkan kemungkinan yang ada dari suatu kejadian yaitu sebab dan akibat dari alarm berbunyi

Dalam peristiwa tersebut ada 5 variable yang terlibat (digambarkan dengan node) yaitu Burglary (atau Pencurian) dan Earthquake (atau Gempa Bumi) sebagai node sebab yang menyebabkan node Alarm berbunyi. Kedua node itu karena menjadi sebab dari Alarm berbunyi maka anak panah digambarkan keluar dari kedua node tersebut ke node Alarm. Demikian juga dengan node Alarm yang menyebabkan tetangga John dan Mary menelpon memiliki anak panah keluar menuju node JohnCalls dan MarryCalls.

Setiap node hanya bergantung pada node parent (node sebab) sehingga peluang yang dihitung pada node tersebut hanya memuat peluang terjadinya sesuatu berdasarkan event dari node penyebab. 

Contoh (mengacu pada gambar di atas)

Node JohnCalls bergantung hanya pada node Alarm sebagai penyebabnya. Sehingga probabilitas JohnCalls hanya dihitung apakah John menelpon atau tidak saat Alarm berbunyi. Demikian juga pada node MaryCalls yang bergantung hanya pada node Alarm. Peluang John menelpon saat Alarm berbunyi adalah sebesar 0.90 dan John tidak menelpon saat Alarm berbunyi adalah 0.05

Sedangkan node Alarm bergantung pada 2 node sebab yaitu node Burglary dan Earthquake sehingga kejadian yang dihitung probabilitasnya pada node Alarm adalah kombinasi antara kedua sebab tersebut. Alarm berbunyi karena adanya Burglary dan Earthquake memiliki probabilitas terjadi sebesar 0.95, Alarm berbunyi karena Burglary saja sebesar 0.94, Alarm berbunyi karena Earthquake saja sebesar 0.29 dan Alarm berbunyi bukan karena keduanya adalah sebesar 0.001

Node Burglary dan node Earthquake tidak memiliki node parent sehingga peluang yang dihitung adalah berdasarkan apakah kejadian tersebut terjadi atau tidak.