Anda di halaman 1dari 2

Kerangka Pemikiran Analisis Bayesian

M. Syamsuddin
Industrial and Financial Mathematics FMIPA ITB &
Financial Modeling, Optimization and Simulation (FinanMOS) ITB
email: msyamsuddin8@gmail.com

Analisis Bayesian menggali dua buah sumber informasi tentang parameter suatu
model statistik. Sumber informasi pertama berasal dari sampel dan akan disebut informasi sampel (sampel information). Sumber informasi kedua berasal dari opini sang
ahli dan akan disebut informasi prior (prior information). Gabungan dua buah sumber
informasi ini akan membentuk informasi posterior (posterior information). Penggabungan kedua sumber informasi ini dicapai melalui teorema Bayes (Bayestheorem).
Informasi sampel digali dari suatu fungsi likelihood (likelihood function). Ini langkah
yang tepat karena suatu fungsi likelihood memang telah memuat seluruh informasi tentang parameter yang terkandung di dalam sampel.
Informasi prior yang digali dari opini sang ahli (expert opinion) tentang parameter akan bersifat personal atau subyektif. Berbagai ahli bisa memberikan opini yang
berbeda untuk suatu parameter yang sama. Ketaktentuan (uncertainty) opini sang ahli
ini diungkapkan melalui suatu distribusi peluang yang disebut distribusi prior (prior
distribution). Dengan demikian konsep peluang (probability) di dalam analisis Bayesian
bersifat subyektif. Peluang yang bersifat subyektif ini menggambarkan tingkat kepercayaan (degree of belief ) seseorang terhadap suatu peristiwa yang akan terjadi. Tiap
orang boleh memberikan peluang berbeda untuk kejadian suatu peristiwa tertentu.
Konsep peluang yang seperti ini tidak membutuhan sifat-sifat yang diturunkan dari
sampel terulang yang berjumlah besar. Ini berbeda dengan konsep peluang di dalam
teori statistika klasik (classical statistics) yang didenisikan sebagai limit dari suatu
frekuensi relatif. Konsep peluang yang demikian menghendaki sampel yang terulang
dalam jumlah yang besar sangat diperlukan untuk inferensi statistik.
Di dalam kerangka pemikiran analisis Bayesian, parameter diperlakukan sebagai
variabel acak. Keacakan parameter bukan berasal dari hasil suatu eksperimen yang
berbeda-beda. Keacakan parameter terkait dengan distribusi peluang subyektif yang
menggambarkan pengetahuan orang tentang parameter tersebut.
Ini berbeda dengan konsep parameter yang nilainya tetap didalam teori statistik
klasik sehingga parameter tidak memiliki distribusi peluang, atau lebih tepat lagi parameter mempunyai distribusi trivial yang memberikan peluang bernilai satu untuk nilai
parameter yang benar dan peluang bernilai nol untuk nilai parameter lainnya.
1

Referensi
Judge, G.G. dkk (1988), Introduction to the Theory and Practice of Econometrics, John Wiley & Sons.