METODE BAYESIAN NETWORK UNTUK MENETUKAN PROBABILITAS TERDAMPAK PENYAKIT KANKER PAYUDARA

Bayesian network adalah “graphical model for probabilistic relationships among a set of variabels”. Bayesian network  merupakan salah satu probabilistic graphical model (PGM) yang sederhana yang dibangun dari teori probabilistik dan teori graf. Teori probabilistik berhubungan langsung dengan data se...

Full description

Bibliographic Details
Main Author: Ino Suryana
Format: Article
Language:Indonesian
Published: Universitas Swadaya Gunung Jati 2018-09-01
Series:Euclid
Online Access:http://jurnal.unswagati.ac.id/index.php/Euclid/article/view/1149
Description
Summary:Bayesian network adalah “graphical model for probabilistic relationships among a set of variabels”. Bayesian network  merupakan salah satu probabilistic graphical model (PGM) yang sederhana yang dibangun dari teori probabilistik dan teori graf. Teori probabilistik berhubungan langsung dengan data sedangkan teori graf berhubungan langsung dengan bentuk representasi yang ingin didapatkan. Bayesian network dapat melakukan pengambilan keputusan (inferensi) probabilistik. Inferensi probabilistik dapat dilakukan jika terlebih dahulu diperoleh joint probabillity distribution (JPD) dari semua variabel yang dimodelkan. Kanker atau neoplasma merupakan suatu penyakit akibat adanya pertumbuhan yang abnormal dari sel–sel jaringan tubuh yang dapat mengakibatkan invasi ke jaringan–jaringan normal. Kanker payudara (Carcinoma mammae) merupakan tumor ganas yang tumbuh di dalam jaringan payudara. Kanker dapat tumbuh di dalam kelenjar susu, saluran susu, jaringan lemak, maupun jaringan ikat pada payudara. Terdapat faktor-faktor yang berhubungan dengan peningkatan resiko atau kemungkinan untuk terjadinya kanker payudara, dan gejala klinis yang biasa ditemukan pada penderita. Menghitung nilai probabilistik akhir (inferensi probalistik) untuk melihat berapa besar nilai kemungkinan berpenyakit kanker payudara berdasarkan nilai-nilai dari gejala tersebut dihitung menggunakan metoda Bayesian network.
ISSN:2355-1712
2541-4453