7/26/2019 Bayesian networks.docx

1/2

Bayesian networks (Jaringan Bayesian), aplikasi dalam instrumentasi keamanan dan

mengurangi resiko.

Bayesian Network pertama kali dikenalkan oleh Rev. Thomas Bayes pada 17! dengan

persamaan se"agai "erikut#

$ang "erarti "ahwa kita dapat memper"arui tingkat keper%ayaan (pro"a"ilitas) hypotesis &

dengan eviden%e ' dan background context %.

*isi kiri pada persamaan terse"ut diketahui se"agai posterior probabilityatau peluang &

setelah mempertim"angkan e+ek ' pada % . (&-%) dise"ut se"agai prior probability dari

& dikarenakan % saa. ('-&,%) dise"ut likehood dan merupakan peluang evidence

dengan asumsi hypothesis & dan in+ormasi dasar % adalah "enar. Terakhir ('-%) adalah

ke"e"asan & dan dapat dituukan se"agai normalizing or scaling factor.

Teori Bayesian mem"erikan alur matematis untuk memproses data "aru, yang mana data

terus ada pada setiap waktu. Teori peluang "ayesian uga memungkinkan ketidakpastian

model tentang keadian dan outcomes dari sesuatu yang diinginkan dengan

mengkom"inasikan pengetahuan yang masuk akal dan "ukti o"servasi. &al ini dapat

diselesaikan dengan "ayesian network yaitu dengan menggam"ar nodes (yang menunukan

peluang varia"el tetap dan varia"el random) serta panah yang menunukan hu"ungan antara

varia"el/varia"el terse"ut.

ada literatur ini penulis men%o"a menggunakan Bayesian Network untuk menyusun model

hu"ungan, sehingga dapat dikatahui skenario "ahaya (hazard), penye"a"nya, e+eknya,

su"system yang termasuk dalam perlindungan, dan interaksi antara masing/masing varia"el

terse"ut. ada literatur ini uga penulis menggunakan tool Bayesian network untuk

mem"angun model yang dapat menampilkan %ek (kesesuaian) toleransifinal residual se%ara

langsung dengan menggunakan logical relationship (hu"ungan logika). *ehingga dalam

literautr ini akan ditunukan "agaiaman Bayesian network dapat digunkana untuk

meunrunkan resiko sisa (residual risk)yang "erhu"ungan dengan "ahaya proses dan

7/26/2019 Bayesian networks.docx

2/2

digunakan se"agai model nyata live model yang dapat diupdate "erdasarkan pada o"servasi

"ukti.

Resiko yang teradi karena skenario "ahaya (hazard scenario) harus diminimalkan hingga ke

kondisi yang daapt ditolerir dengan menyediakan perlindungan "erlipat/lipat. 0ntuk

mengenali resiko "eserta konsekuensi dan +rekuensi nya maka diperlukan#

a) ertama, keadian awal (initiating event) dan +rekuensi keadian harus diidenti+ikasi

") edua, lapisan/lapisan pelindung yg terdapat di dalam dasainharus diketahui dan

di"eri nilaic) Terakhir, resiko sisa yang mungkin teradi di dalam skenario harus di sesuaikan dan

dipastikan masih dalam "atas toleransi.