bayesian networks.docx
TRANSCRIPT
-
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.