Anda di halaman 1dari 2

Informasi Prior

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

Pendahuluan

Telah dibahas Teorema Bayes yang berbentuk


g ( jy) / l ( jy) g ( )

(1)

dengan g ( jy) adalah posterior density function yang merepresentasikan informasi pos-

terior untuk parameter , l ( jy) adalah likelihood function yang merepresentasikan informasi sampel untuk parameter

dan g ( ) adalah prior density function yang merep-

resentasikan informasi prior untuk parameter . Kali ini secara khusus akan dibahas
informasi prior g ( ). Agar pembahasan tidak rumit maka akan dimulai dulu dengan
satu buah parameter, yaitu

= :

Informasi Prior

Misal ada sebuah kios pakaian di pusat pertokoan Red Land yang akan dijual dengan
harga pasaran yang berlaku. Seorang calon pembeli bisa segera memutuskan sendiri
mau membeli kios tersebut atau tidak. Kalau dikehendaki ia bisa minta nasehat orang
yang dianggap tahu tentang kondisi kios tersebut; apakah kios tersebut akan menguntungkannya atau tidak menguntungkannya. Sang ahli berpendapat bahwa kios tersebut
cukup menguntungkan. Kios akan disebut menguntungkan bila mampu memberikan
keungtungan minimal Rp5 juta rupiah per minggu.
Proses pengolahan informasi dari sang ahli ini sehingga menjadi ungkapan probabilistik adalah sebagai berikut. Misal parameter

adalah ekspektasi dari pendapatan

per minggu dari kios tersebut. Dalam analisis Bayesian setiap parameter merupakan
variabel acak. Salah satu ungkapan yang bisa mewakili opini sang ahli tersebut adalah
Pr (4 <
1

< 9) = 95%

Catatan ini terinspirasi oleh buku Judge, Geroge et.al. (1988), Bab 4.

(2)

dengan asumsi

N ( 0;

2
0) :

Parameter

2
0

dan

disebut parameter prior yang bisa

ditentukan nilainya semata dari (2) : Persamaan ini bisa dituliskan menjadi
Pr

<

<

= 95%:

(3)

Dari pelajaran teori peluang bisa dimengerti bahwa dari ungkapan (3) dapat diperoleh
dua buah persamaan berikut
4

= 1:96

(4)

1:96

(5)

sehingga diperoleh
0

= 6:5 dan

= 1: 2755:

(6)

Jadi secara ringkas ungkapan sang ahli akan dinyatakan dengan ungkapan
N (6:5; 1: 2755) sehingga informasi prior yang tertuang dalam prior density function
g ( ) (dalam hal ini

= ) adalah

1
p

1
p

g( ) =
=

2
2

e
e

1
2

1
2

6:5
( 1: 2755
):

0
o

(7)
(8)

Informasi prior dari sang ahli ini bersifat subyektif. Artinya kalau calon pembeli
menanyakan opini sang ahli yang lain yang berpendapat bahwa kios tersebut sangat
menguntungkan maka ungkapan (2) bisa digantikan dengan ungkapan
Pr (6 <
sehingga diperoleh

< 11) = 95%

(9)

N (8:5; 1: 2755) :

Perhatikan bahwa angka-angka yang muncul tadi sama sekali tidak terkait dengan
sampel. Bahkan sampai tahap ini belum perlu dilakukan pengambilan sampel tentang penghasilan kios mingguan yang mau dijual tadi. Angka-angka ini semata-mata
diturunkan dari opini sang ahli.

Rangkuman

Baru saja dibahas proses kuantikasi dari opini sang ahli. Opini sang ahli ini bersifat
subyektif dan tidak perlu terkait dengan sampel yang ada.
Referensi
Judge, G.G. dkk (1988), Introduction to the Theory and Practice of Econometrics, John Wiley & Sons.
2