Dalam menghadapi ketidakpastian informasi,seperti gejala pasien yang samar atau tidak lengkap—sistem AI tidak lagi bekerja dengan logika "ya" atau "tidak" (hitam-putih), melainkan menggunakan logika probabilitas.
Berikut adalah bagaimana AI mengelola ketidakpastian tersebut agar tetap menghasilkan keputusan yang logis:
1. Menggunakan Teorema Bayes (Probabilitas Bersyarat)
Metode ini adalah fondasi utama dalam diagnosis medis AI. Teorema Bayes memungkinkan sistem untuk memperbarui peluang suatu penyakit (seperti Demam Berdarah) berdasarkan bukti atau gejala baru yang muncul.
Prior Probability: Peluang awal pasien terkena penyakit berdasarkan data statistik umum di daerah tersebut.
Likelihood:Seberapa sering gejala tertentu (misal: nyeri otot) muncul pada pasien yang positif penyakit tersebut.
Posterior Probability: Hasil akhir berupa persentase keyakinan diagnosis setelah menggabungkan data awal dengan gejala yang dilaporkan pasien.
2. Penanganan Informasi yang Hilang (Missing Data)
Jika pasien tidak yakin soal ruam merah, AI tidak akan mengabaikan kasus tersebut. Sistem akan menggunakan beberapa pendekatan:
Marginalisasi: Menghitung rata-rata probabilitas dari semua kemungkinan (baik ada ruam maupun tidak ada ruam) untuk melihat mana penyakit yang tetap memiliki skor tertinggi.
Nilai Default/Ekspektasi: Mengisi celah informasi berdasarkan pola data dari ribuan pasien sebelumnya yang memiliki profil serupa.
3. Logika Fuzzy (Fuzzy Logic)
Seringkali gejala medis tidak bersifat mutlak. "Demam" bagi satu orang mungkin berbeda bagi orang lain. Logika Fuzzy membantu AI memahami konsep derajat kebenaran, bukan sekadar "benar" atau "salah".
Contoh: Suhu 37,8°C mungkin dikategorikan sebagai "demam ringan" (skor 0.6) daripada langsung dianggap "demam tinggi".
4. Jaringan Bayesian (Bayesian Networks)
Sistem ini memetakan hubungan sebab-akibat antar gejala dalam bentuk grafis. Jika "Ruam" tidak diketahui, sistem tetap bisa merujuk pada "Trombosit Rendah" atau "Nyeri Sendi" untuk memperkuat keyakinan diagnosis Demam Berdarah.
Meskipun informasinya tidak lengkap, keputusan AI tetap dianggap logis karena:
1. Berbasis Data: Keputusan diambil berdasarkan statistik populasi yang nyata.
2. Transparan: Sistem dapat menampilkan tingkat kepercayaan (misal: "80% Tifus, 15% Flu") sehingga dokter tahu seberapa pasti hasil tersebut.
3. Adaptif: Jika pasien kemudian menemukan ruam merah, sistem secara otomatis memperbarui persentase diagnosis secara *real-time.
