Dr. Masarina Flukeria, M.S.E., M.P.P.

Video ini membahas Total Probability Rule & Teorema Bayes dalam konteks penggunaan probability dalam machine learning, seperti pada Google search. Teorema Bayes muncul dari konsep conditional probability dan dapat diaplikasikan dalam menentukan probabilitas suatu event dengan event lain, seperti rumus Teorema Bayes yang melibatkan probabilitas event B dengan event A. Penjelasan disertai contoh tabel sederhana untuk mempermudah pemahaman. Formula Teorema Bayes memberikan insight dalam menentukan probabilitas event-event yang berkaitan. Aplikasi formula ini dalam kehidupan sehari-hari akan dibahas lebih lanjut untuk memberikan pemahaman yang lebih dalam.

Baik, sekarang kita akan belajar tentang Masih Probability mengenai Teorema Bayas.

Nah, Teorema Bayas ini seringkali dipakai dalam dunia machine learning.

Contohnya seperti ini, kalau teman-teman ketik kata di Google, Google search,

Coba misalkan kamu ketik taman bunga di Google search.

Akan banyak link-link yang berkaitan dengan taman bunga.

Misalkan taman bunga yang cocok untuk dikunjungi pada saat liburan anak-anak

atau taman bunga yang sedang viral di Jakarta.

Ada banyak link yang menghubungkan dengan kata-kata taman bunga tersebut.

Lalu pertanyaannya adalah, apakah Google itu sudah pergi ke taman bunga?

Atau apakah Google itu sudah pergi ke Jakarta sampai dia tahu ada taman bunga yang viral di Jakarta?

Yang ada adalah Google search itu memanfaatkan probability.

Probability dari semua kemungkinan orang-orang yang mengetikkan kata taman bunga itu

Mungkin paling sering dihubungkan dengan tempat piknik di Jakarta yang paling viral

atau paling sering dihubungkan dengan taman bunga yang paling banyak dikunjungi di Indonesia.

Mereka menggunakan konsep probability dalam hal ini.

Dan konsep probability yang banyak digunakan itu adalah bias theorem

atau kita kenal dengan nama Theorema Bias.

Sebelumnya saya akan menampilkan beberapa table supaya mudah dimengerti oleh teman-teman.

Saya mulai dari hal yang paling sederhana.

Lalu di sini ada laki-laki dan non-laki-laki.

Sekarang kita mulai dari hal yang sederhana.

Kalau diketahui ada 100 orang, baik perempuan dan laki-laki.

Berarti kalau kita bilang perempuan dia kan non-man kan.

Misalkan di sini ada 5 laki-laki yang menggunakan baju pink.

Lalu ada misalkan 60 laki-laki yang menggunakan baju non-pink.

Lalu di sini adalah non-laki-laki yang menggunakan baju pink itu ada 70.

Lalu di sini ada non-laki-laki yang menggunakan baju non-pink itu misalkan ada 25.

Maka di sini ada 75, lalu di sini ada 85, lalu kalau demikian ini totalnya berapa kemarin?

Mari kita lihat dari tabel yang sederhana ini,

maka saya bisa mengatakan bahwa probability laki-laki

probability laki-laki given that dia menggunakan baju pink.

berapa probability yang menggunakan baju pink jika dia laki-laki?

Berarti kita juga bisa menyusun untuk hal yang lainnya.

kalau kamu mau mencari probability men jika pink,

berarti 5 dibagi dengan pink yang sebelah sini.

Ketika kamu mau mencari probability pink jika laki-laki,

Pada dasarnya, teorema beas itu bekerja atas dasar dari pertama kalinya,

atas dasar probability atau conditional probability.

Mari kita turunkan formula conditional probability yang pernah kita pelajari.

Probability A given B itu sama dengan probability A

Ketika kita bicara conditional probability,

berarti probability A given B sama dengan probability A irisan B.

Sebelumnya ini kan formula yang kamu kenal,

Probability B jika A itu sama dengan probability A intersection B

Probability A intersection B itu sama dengan probability A given B

Probability A irisan B atau intersection B sama dengan probability B given A