16

3 LANDASAN TEORI

3.1 Sistem dinamis

Pada dasarnya sistem dinamis menggunakan landasan teori dinamika non-linier

dan pengendalian umpan balik (feedback control) seperti yang diterapkan dalam ilmu

matematika dan fisika. Selanjutnya sistem dinamis menerapkan konsep dasar di atas

ke dalam ranah perilaku manusia sama seperti yang terjadi pada ranah sistem fisika

dan sistem teknik lainya. Dengan demikian sistem dinamis dapat diterapkan secara

baik di ranah lain seperti management, kehidupan sosial, kegiatan ekonomi, dan ilmu-

ilmu sosial lainya.

Sehubungan dengan pengembangan agroindustri gula tebu, berbagai alternatif

strategi pengembangan adalah merupakan hasil keputusan managemen puncak, yaitu

barupa arahan-arahan strategis yang bersifat direktif. Lingkup strategi pengembangan

meliputi rentang waktu yang berjangka panjang, masuk pada level lingkungan

dinamis dengan berbagai faktor yang saling mempengaruhi dan memiliki cirri khas

ketidakpastian yang tinggi, seperti diuraikan pada Tabel 5.

Bila dilihat dari sisi karakteristik komponen sistem agroindustri gula tebu di

Indonesia, pemberlakuan suatu strategi pengembangan & kebijakan dapat

mempengaruhi dan dapat diterapkan pada komponen input, proses, maupun output.

Tabel 5 Karakteristik dan linkgup permasalah manajemen

Sumber: Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk (Marimin, 2004)

Ditinjau dari karakteristik atau jenis sistem berdasarkan sifat komponen, maka

kajian strategi pengembangan dan kebijakan dapat berubah-ubah secara fleksibel dari

satu jenis sistem ke jenis sistem lainya. Kajian kebijakan dapat berada pada sistem

analis, sistem desain, maupun sistem kontrol seperti pada Tabel 6.

Jangka

Lingkungan

Sifat

Direktif

Panjang

Dinamis & probabilistic

Arahan-arahan Strategis, terkadang intuitif

Strategis

Panjang

Dinamis & mempengaruhi faktor-2 dengan kepastian rendah

Tidak bisa diprogram karena preferensi pengambil keputusan perlu masuk secara utuh

Taktis

Menengah Pendek

Dinamis & mempengaruhi faktor-2 dengan asumsi kepastian tinggi

Bisa dibuat program dengan masukan preferensi pengambil keputusan

Operasional Pendek Dianggap static & tidak mempengaruhi faktor-2

Bisa dibuat program karena berulang

17

Tabel 6 Jenis-jenis sistem

Sistem Dinamis merupakan suatu metoda untuk meningkatkan kemampuan

pembelajaran dalam suatu sistem yang amat kompleks (Sterman, 2004). Sistem

dinamis mengembangkan mekanisme feedback melalui metoda simulasi sehingga

dapat membantu mengatasi kompleksitas suatu permasalahan, memahami sumber-

sumber resistensi suatu penerepan kebijakan, dan membantu desain kebijakan yang

lebih efektif.

3.2 Struktur dan aspek operasional dalam pemodelan sistem dinamis

Perilaku suatu sistem muncul dari struktur sistemnya. Struktur sistem terdiri

dari feedback loops, stocks, danflows, serta kondisi hubungan non-linearitas akibat

interaksi yang terjadi antara struktur fisik sistem dan proses pengambilan keputusan

para pelakunya (Richmond, 2002).

Salah satu aspek perilaku penting dalam sistem dinamis adalah struktur feed

back yang dihasilkan oleh sistem tersebut. Bila feedback berakibat positif, maka jenis

perilakunya disebut jenis growth atau tumbuh. Bila feedback berakibat negatif, maka

sistem dikatakan teridentifikasi sebagai goal seeking. Bila ada pengaruh time lag/

time delay dari feedback yang ditimbulkan, maka sistem dapat diidentifikasi sebagi

oscillations, limit cycles, atau chaos. Aspek operasional dalam sistem dinamis terdiri

dari thinking, communicating, dan learning.

3.2.1 Thinking

Dalam langkah pertama berupa eksplorasi pemikiran atau Thinking, terdiri dari

dua kegiatan utama yaitu: membuat konstruksi model dan melakukan simulasi untuk

mengambil kesimpulan. Model adalah penyederhanaan kondisi nyata berupa

representasi yang dapat menangkap karakteristik keadaan realitas keadaan nyata, yang

secara simbol sistem dinamis diuraikan pada Gambar 1.

Sistem

Input

Proses

Output

Analis Diketahui Diketahui Direkayasa/diatur Desain Diketahui Direkayasa/diatur Diketahui Kontrol Direkayasa/diatur Diketahui Diketahui Sumber: Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial (Marimin, 2005)

Gambar 3. Matrik Klasifikasi Sitem

18

Gambar 1 Tahapan constructing dalam pemodelan sistem dinamis

3.2.2 Communicating

Output dari kegiatan eksplorasi pemikiran atau Thinking merupakan bahan

pokok bagi kegiatan selanjutnya, yaitu communicating. Ada tiga bahan pokok dalam

kegiatan communicating yaitu berupa: mental model, hasil simulasi, dan kesimpulan.

Secara garis besar kegiatan communicating dapat dilihat pada Gambar 2.

Gambar 2 Tahapan communicating dalam pemodelan sistem dinamis

3.2.3 Learning

Kegiatan selanjutnya adalah merupakan kegiatan pembelajaran atau Learning.

Ada dua macam learning, yaitu:Self Relfective LearningdanOther Inspired Learning

Self-reflective learning merupakan hasil simulasi yang dihasilkan dari mental model

Other Inspired learning merupakan gabungan hasil dari self reflective learning dan

kesimpulan hasil simulasi, seperti diterangkan pada Gambar 3.

19

Gambar 3 Tahapan Learning dalam pemodelansistem dinamis

3.3 Elemen kebijakan agroindustri

3.3.1 Kebijakan fiskal dan moneter

Kebijakan fiskal meliputi kebijakan yang langsung terkait dengan pendapatan

dan biaya suatu produk atau jasa, seperti pajak dan berbagai kebijakan sektor riel

lainya. Kebijakan fiskal berkaitan dengan kegitan operasional sektor riel, oleh karena

itu kebijakan ini mencakup rentang wilayah seluas keterkaitan dengan kegiatan

operasional sektor riel itu sendiri. Subyek penentu kebijakan fiskal dapat dilakukan

oleh berbagai pihak otoritas yang relefan dengan obyek yang diatur.

Kebijakan Moneter secara garis besar terkait dengan pengendalian suku bunga

pinjaman, tingkat inflasi dan nilai tukar mata uang asing (Houck, 1986). Kebijakan

moneter dilakukan oleh otoritas utama yaitu Bank Indonesia sebagai bank sentral.

Kedua instrumen kebijakan tersebut dapat bersifat protektif maupun terbuka.

Negara Indonesia yang mengimpor gula, dapat melakukan proteksi diri dari ekspansi

pasokan gula internasional melalui mekanisme kebijakan tarif dan atau kuota.

Disamping itu, negara importir dapat melindungi dan menjaga kesejahteraan produsen

dengan menerapkan instrumen kebijakan fiskal. Dalam pelaksanaanya dapat pula

dilakukan kuota impor secara proporsional atau dalam bentuk subsidi sarana produksi

20

secara langsung bagi produsen dalam negeri. Kebijakan lain yang dapat dilakukan

oleh negara importir adalah berupa subsidi konsumsi dan atau subsidi impor.

Bila penelitian ini dikaitkan dengan praktek perdagangan internasional, maka

terlepas dari argumentasi teoritis tentang bermanfaatnya perdagangan bebas, namun

kebijakan perdagangan bebas akan menghadapi resistensi kuat dari para pihak tertentu

(Houck, 1986). Beberapa alasan utama yang mendukung penolakan perdagangan

bebas atau berpihak pada kebijakan proteksi adalah:

• Melindungi agroindustri yang lemah

• Melindungi keamanan dan ketahanan nasional

• Melindungi kesejahteraan nasional

• Melindungi praktek perdagangan yang tidak adil

• Melindungi program nasional yang sedang digalakan

• Melindungi posisi neraca pembayaran

3.3.2 Kebijakan pengembangan produk alternatif

Kebijakan ini sesungguhnya merupakan kategori kebijakan fiskal, namun

demikian mengingat pentingnya penekanan pada aspek pengembangan produk

alternatif berbasis bahan baku tebu, maka secara khusus disebutkan kebijakan

pengembangan produk alternatif berbasis tebu selain untuk diproses menjadi gula

tebu.

Adapun contoh produk alternatif dalam penelitian ini adalah ethanol, gula cair,

dan produk alternatif lainya. Penelitian ini mengakomodir keingingan para peserta

Focused Group Discussion yang mengharapkan dibentuknya kelompok kerja untuk

memikirkan secara khusus tentang peluang alternatif produk berbasis tebu.

3.4 Interpretive Structural Modelling

Dalam kaitan dengan pengumpulan pendapat berupa identifikasi aktivitas

setiap bidang dan hubungan kepentingan antar pelaku, penelitian ini menggunakan

hasil diskusi kelompok (Focused Group Discussion) yang pesertanya antara lain

adalah semua para pemangku kepentingan dalam rangkaian kegiatan agroindustri

gula tebu.

Berkaitan dengan elemen aktivitas sub-sistem agroindustri gula tebu,

penelitian ini merencanakan akan membahas elemen aktivitas:

a. Bidang produksi perkebunan tebu

21

b. Bidang produksi pabrik gula pengolah tebu

c. Bidang distribusi ke konsumen dan trend permintaan

d. Bidang penentuan kebijakan

Hasil akhir dari teknik ISM adalah elemen kunci dan diagram struktur.

Meskipun demikian dalam penelitan ini tidak akan membahas secara khusus matrix

Driver Power Dependence (DPD) bagi elemen-elemen aktivitas di atas, dengan

demikian peneliatian ini tidak sampai pada analisis klasifikasi sub-elemen berikut:

a. weak driver - weak dependent variable (autonomous)

b. weak driver – strongly dependent variable (dependent)

c. strong driver – strongly dependent variable (linkage)

d. strong driver – weak dependent variables (independent)

3.5 Analytical Hierarchy Process dan Analytical Network Process

Analytical Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty

(Saaty,1982) menjadi salah satu alat bantu pengambilan keputusan yang melibatkan

elemen-elemen keputusan yang sulit dikuantifikasikan dan belum jelas strukturnya.

AHP menggunakan asumsi bahwa reaksi logis manusia ketika menghadapi

pengambilan keputusan yang kompleks cenderung mengelompokan elemen penentu

keputusan sesuai dengan karakteristik umum yang berlaku.

Proses sistemik AHP meliputi penyusunan secara hirarkhis guna memilahkan

elemen dalam suatu sistem dalam berbagai tingkat yang berbeda dan mengelompokan

elemen serupa dalam tiap tingkat. Tingkat puncak yang disebut fokus atau goal

adalah sasaran keseluruhan yang liputannya luas. Di bawahnya ditempatkan level

kriteria sebagai tolok ukur dalam melakukan pemeringkatan. Selebihnya adalah level

alternatif dari berbagai pilihan yang dihadapi yang berdasarkan kriteria harus dipilih

dan ditentukan prioritasnya.

Analytical Network Process (ANP) merupakan bentuk yang lebih umum dari

AHP dan dapat digunakan untuk menampilkan kerangka umum bagi pengambilan

keputusan tanpa harus membuat asumsi elemen-elemen yang terikat oleh aturan

hirarkhis. Elemen-elemen ANP dapat saling berdiri sendiri tanpa mengikuti aturan

peringkat seperti pada AHP. Keunggulan ANP yang paling menonjol terletak pada

kemudahan menggabungkan elemen yang saling terkait dan kemampuan

mengakomodasikan mekanisme feedback ke dalam jejaring pengambilan keputusan

(Saaty, 2008)

22

Dalam penelitian ini akan menggunakan ANP berbasis kriteria Benefit Cost

Opportunity Risk (BCOR). Kaidah BCOR memiliki kesamaan makna dengan urutan

pada analisis Strenght Weakness Opportunity Threat (SWOT), sehingga BCOR dapat

memetakan kondisi lapangan dan dapat membantu secara mudah untuk mengarahkan

strategi ke depan sesuai dengan yang diinginkan.

Adapun alternatif pilihan kebijakan yang akan diuji dan diurutkan prioritasnya

dengan menggunakan model BCOR adalah Kebijakan Moneter, Kebijakan Fiskal, dan

atau Kebijakan Pengembangan Produk Alternatif, yang skemanya pada Gambar 4.

23

Gambar 4 Struktur ANP berbasis benefit cost opportunity risk

Secara narasi yang lebih rinci, model BCOR akan menggunakan kriteria

kontrol yang terdiri dari tiga faktor, yaitu ekonomi, politik dan sosia. Kemudian

diikuti oleh Klaster pada masing-masing faktor kriteria kontrol dan pada

penghujungnya diikuti elemen masing-masing, seperti terlihat pada Tabel 7.

Tabel 7 Rincian elemen benefit cost opportunity risk

   Kriteria  Kontrol   Klaster   Elemen  

Bene

fit      -­‐                (Stren

ght)  

Ekonomi  

Recovery  Industri  Gula      

Struktur  Ekonomi  Lapangan  Kerja  di  Agrin  Gula,  di  industri  terkait,  reorganisasi  industri  nasional,  pemberdayaan  teknologi  

Supply  &  Demand      

Politik  

Kredibilitas  Politik  Kepercayaan  partisan  parpol  meningkat,  Dunungan  parpol  pada  kebijakan  pemerintah,  Reputasi  partai  politik  

Stabilitas  Politik  Pencapaian  tujuan  parpol,  Peningkatan  jumlah  pemilih,  Konsistensi  kebijakan  gula  nasional  

Han  Kam  Tib      

Sosial  Lingkungan  Hidup      

Tingkat  Penyerapan  Tng  Kerja      

24

Cost    -­‐        (W

eakn

ess)  

Ekonomi  

Harga  Barang  Lain  yg  terkait      Harga  Gula      Tingkat  Inflasi      

Retaliasi  produk  ekspor  Indonesia  

Kinerja  ekspor  Indonesia,  Pasar  tenaga  kerja,  Keunggulan  kompetitif  

Politik  Kredibilitas  Internasional  

Reputasi  Internasional,  Pengaruh  Internasional,  Dukungan  pada  isu-­‐2  internasional    

Dukungan  Int'l  pada  Free  Trade      

Sosial  Tingkat  Kriminalitas      Kesejahteraan      

Opp

ortunity  

Ekonomi  Globalisasi      Dukungan  pengembangan  

tekno.      

Politik  

Popularitas  politik  domestik  Pemilu  legislatif  2014,  Pemilu  

presiden  2014,  Persiapan  kebijakan  pem  yad  

Praktek  Perdagangan  Int'l  Promosikan  free  trade,  

Meningkatkan  fair  trade,  Peran  kepemimpinan  di  WTO  

Sosial                  

Risk  

Ekonomi  

Dukungan  internasional        

Infrastruktur  Industri  Domestik  

Lapangan  kerja,  Pekerjaan  lain  terkait,  Dukungan  ekonomi  pada  peningkatan  teknologi  

Kepemimpinan  WTO      Politik   Kredibilitas  Global      

Sosial                  

Semua  Network   Alternative  

Penerapan  Tarif  Bea  Masuk,    Dukungan  Kebijakan  Moneter,  Pengembangan  Produk  Alternatif  

3.6 Jejaring keyakinan Bayesian (Bayesian Belief Network)

3.6.1 Model umum jejaring keyakinan Bayesian

Model Jejaring Keyakinan Bayesian (JKB) merupakan cabang dari teori

probabilitas matematika yang dapat memodelkan ketidakpastian fenomena atau

realitas kehidupan keseharian. Pemodelan ketidakpastian ini dilakukan dengan cara

menggabungkan penalaran yang logis dan bukti-bukti kenyataan yang diperoleh

melalui observasi, dengan cara memasukan unsur peluang atau probabilitas atas suatu

keadaan.

25

Jejaring Keyakinan Bayesian akan digunakan untuk mendukung analisis

fenomena agroindustri yang mengandung unsur probalilitas pada peubahnya. Tiap-

tiap agen/ sub-sistem yang digambarkan oleh pemodelan sistem dinamis memiliki

probabilitas masing-masing. Persepsi atas arus informasi dari satu sub-sistem akan

mengalir ke sub-sistem yang lain sehingga akan mempengaruhi tingkat keyakinan,

persepsi, belief sub-sistem lain dalam merespon informasi tersebut. Sebagai contoh

peubah harga produk, kondisi cuaca, persepsi pemasaran produk dan peubah lainya,

dapat mempengaruhi keputusan para pelaku sub-sistem. Dengan pendekatan model

Jejaring Keyakinan Bayesian diharapkan dapat menyempurnakan proses pengambilan

keputusan.

Jejaring Keyakinan Bayesian merupakan alat yang tangguh untuk membuat

model yang melibatkan keyakinan/ probabilitas hubungan sebab-akibat antar variabel.

Jejaring ini berisikan berbagai tingkat probabilitas variable yang disertai dengan

hubungan historis antar variable tersebut. Jejaring Keyakinan Bayesian merupakan

alat yang efektif untuk membuat model dengan kekhasan adanya informasi yang

sudah diketahui, bersamaan dengan hadirnya data yang berkarakter tidak menentu

serta data yang secara parsial tidak lengkap. Hal inilah yang membedakan antara

Jejaring Keyakinan Bayesian dan Sistem Pakar (expert sistem, ruled-based sistem).

Pada Sistem Pakar, ketidak-tentuan atau ketidak-tersediaan data akan mengakibatkan

ketidak-efektifan atau ketidak-akuratan penjelasan yang logis (reasonings) atas suatu

fenomena. Sebaliknya dengan menggunakan Jejaring Keyakinan Bayesian, ketidak-

lengkapan data dapat diatasi sehingga ketersediaan data yang tidak sempurna tetap

dapat digunakan untuk memodelkan fenomena yang menuntut penjelasan logis secara

cepat waktu.

Ketidak-tentuan dapat muncul dalam berbagai situasi. Bahkan sumber pakar

dapat menyatakan ketidak-tentuan atau ketidak-akuratan atas kondisi informasi pada

suatu model. Dalam kondisi seperti ini, Jejaring Keyajinan Bayesian bermanfaat

untuk menghadapi kondisi yang samar, tidak menentu, tidak utuh, dan saling

bertentangan (vague, uncertain, incomplete, and conflicting).

Bentuk umum JKB terdiri dari tiga elemen utama, yaitu :

1. Elemen nodes yang merupakan representasi variable dalam sistem. Tiap-tiap

node bersifat mutually exclusive dan node dapat bermakna sebagai variable.

2. Elemen links, sebagai penghubung hubungan sebab akibat antar nodes

26

3. Elemen probabilities, yang melekat pada node dan menunjukan tingkat

keyakinan atau probabilitas sutau node sehubungan dengan sebab-akibat

dengan node yang lainya.

3.6.2 Struktur umum jejaring keyakinan bayesian

Model Jejaring Keyakinan Bayesian dapat disusun dengan mengikuti kaedah

struktur umum dengan alur seperti pada Gambar 5 yang terdiri dari 6 (enam) kategori

variable seagai berikut:

1. Tujuan Model

2. Faktor-faktor Pengendali

3. Faktor-faktor Intermediasi

4. Intervensi Tindakan

5. Faktor-faktor Implementasi

6. Dampak-dampak ikutan

Gambar 5 Struktur umum jejaring keyakinan Bayesian

Dalam pengaplikasian pada model, faktor-faktor implementasi akan

berhubungan langsung dengan elemen-elemen pada intervensi tindakan. Pada saat

bersamaan intervensi tindakan berbubungan dengan faktor-faktor intermediasi atau

27

faktor-faktor antara. Contoh pengembangan struktur model jejaring keyakinan

Bayesian dapat dilihat pada Tabel 8.

Pada saat memulai membangun Jejaring Keyakinan Bayesian, pemodel perlu

mendahulukan logika dasar dari model sistem yang akan dibangun. Kemudian diikuti

oleh ide-ide penting yang paling relevan dan perlu ditampilkan dalam model sehingga

model Jejaring Keyakinan Bayesian menjadi efektif dan efisien.

Tabel 8 Rincian struktur jejaring keyakinan Bayesian

Kategori

Penjelasan

Contoh

Tujuan

Suatu hal yang ingin dicapai dan dipengaruhi oleh tata kelola model pengembangan agroindustri gula tebu.

• Tingkat produktifitas hasil

panen gula tebu • Kontinuitas sumber daya alam • Kontinuitas agroindustri gula

tebu secara umum Intervensi Tindakan

Hal-hal yang ingin diimplemen- tasikan guna mencapai tujuan. Hal ini dapat berupa pilihan-pilihan tindakan managerial, seperti konservasi lahan tanam, pemberian bantuan saprodi

• Peningkatan konservasi lahan

tanam • Penggunaan bibit unggul • Pemberian Subsidi • Pelatihan kemampuan SDM

Faktor-faktor Antara (intermediate factors)

Faktor-faktor yang menghubungkan antara Intervensi Tindakan dan Tujuan model jejaring

• Luas lahan tanam (menghu

bungkan antara luas lahan yang ada dan rencana perluasan)

• Tingkat Produktifitas (menghubungkan antara Pelaku Usaha/ Petani dan Tingkat Pendapatan

Faktor-faktor Pengendali

Faktor-faktor yang tidak dapat dirubah dengan Intervensi Tindakan namun faktor-faktor ini turut mengendalikan lingkungan sistem.

• Jumlah penduduk • Tingkat curah hujan • Kecocokan sifat tanah dan

tanaman tebu.

Faktor-faktor implementasi

Faktor-faktor yang secara langsung mempengruhi apakah intervensi tindakan dapat berhasil dilakukan dalam jangka waktu singkat atau panjang

• Pengelolaan pupuk yang sesuai

dengan sarat kebutuhan tanaman tebu

• Pengelolaan Hama & Penyakit Tanaman Tebu

• Pengelolaan pembersihan tanaman pengganggu (gulma)

Dampak-dampak Ikutan

Faktor-faktor yang secara tidak langsung ikut berubah sebagai akibat dari intervensi tindakan namun perubahan ini tidak mempengaruhi sama sekali atau secara signifikan terhadap lingkungan sistem yang sedang dikaji.

• Peningkatan ketersediaan

supply air bagi masyarakat sebagai akibat positif konservasi lahan

• Peningkatan ternak yang memanfaatkan pakan dari limbah daun tebu.

28

3.7.3 Aturan Jejaring Keyakinan Bayesian

Jejaring Keyakinan Bayesian yang diprakarsai oleh Tn. Rev. Thomas Bayes,

mengikuti aturan rumusan matematis berupa teori probabilitas bersarat. Adapun

persamaan Bayes yang paling mendasar adalah:

P(b|a)  = ! ! ! !  !(!)

!(!)

P(a) adalah probabilitas a, dan P(b) adalah probabilitas b, dan P(a|b) adalah

probabilitas a bila diketahui peristiwa b sudah terjadi.

Sebagai ilustrasi, hama tikus dapat merusak hingga 50% tanaman tebu muda.

Andaikata diketahui setiap 1 (satu) meter persegi dari 50,000 m2 (5 Ha) tanaman tebu

terdapat 1 tikus, dan tiap 1 meter persegi dari 20 m2 tanaman ternyata rusak terserang

hama tikus. Kita ingin mengetahui sejauh mana petani tebu mengeluhkan kerusakan

tanaman tebu, maka dapat dihitung tingkat kerusakan sebagai berikut:

P hama  tikus kerusakan  tanaman) = ! !"#$%&!&'  !"#"$"# !"#"  !"#$% !  !(!"#"  !"#$%)!(!"#$%&!&'  !"#"$"#)

P hama  tikus kerusakan  tanaman) =           !.!  !  !/!",!!!

!/!"      = 0.0002

Bila ada petani yang mengeluhkan kerusakan tanaman, maka kemungkinan

disebabkan oleh hama tikus hanya sebesar 0.02%.

Perumusan Jejaring Keyakinan Bayesian secara lebih kompleks dapat dirumuskan

dengan mengikutkan hipotesa, pengalaman masa lampau, dan bukti-bukti sebagai

berikut:

P(H|E, c) = ! ! ! !  !(!|!,!)!(!|!)

Berdasarkan rumus di atas, tingkat keyakinan/ probabilitas hipotesa H dapat

meningkat bila ada tambahan bukti/ fakta E dan dalam konteks latar belakang

kejadian pengalaman masa lalu c.

Bagian sisi kiri P(H|E,c) disebut keyakinan posterior atau probabilitas hipotesa H

setelah memperhatikan pengaruh bukti/ fakta E dari pengalaman masa lalu c.

Istilah P(H|c) disebut keyakinan a-priori atau probabilitas hipotesa H bila hanya

diketahui kejadian pengalaman masa lalu c saja.Istilah P(E|H,c) disebut

kecenderungan, likelihood, yang memberikan tingkat keyakinan dari bukti kejadian

dengan adanya kebenaran asumsi H dan latar belakang informasi pengalaman masa

lalu c.