<![CDATA[Bayesian Network dapat digunakan untuk menghitung probabilitas dari kehadiran berbagai gejala penyakit. Dalam tulisan ini, penulis menerapkan bayesian network model untuk menghitung probabilitas penyakit sesak nafas pada bayi. Bayesian network diterapkan berdasar pada data yang diperoleh melalui wawancara kepada dokter spesialis anak yaitu data nama penyakit, penyebab, dan gejala penyakit sesak nafas pada bayi. Struktur Bayesian Network penyakit sesak nafas bayi dibuat berdasarkan ada tidaknya keterkaitan antara gejala terhadap penyakit sesak nafas. Untuk setiap gejala yang direpresentasikan pada struktur bayesian network mempunyai estimasi parameter yang didapat dari data yang telah ada atau pengetahuan dari dokter spesialis. Data estimasi ini disebut nilai prior probaility atau nilai kepercayaan dari gejala penyakit sesak nafas bayi. Setelah diketahui prior probability, langkah berikutnya adalah menentukan Conditional probability (peluang bersyarat) antara jenis penyakit sesak nafas dengan masing-masing gejalanya. Pada langkah akhir, nilai posterior probability dihitung dengan mengambil nilai hasil joint probability distribution (JPD) yang telah diperoleh, kemudian nilai inilah yang digunakan untuk menghitung probabilitas kemunculan suatu gejala. Dengan mengambil satu contoh kasus bahwa bayi memiliki gejala sesak, lemah, gelisah dan demam, disimpulkan bahwa bayi menderita penyakit sesak nafas Pneumoni Neonatal sebesar 0,1688812743.]]>
Copyrights © 2018
