BAB 1

PENDAHULUAN

1.1 Latar Belakang

Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berba-

gai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam mem-
prediksi dan menaksir parameter-parameter dari data untuk menyelesaikan beragam
permasalahan yang semakin kompleks dan rumit

Maksud utama dari banyak analisis menunjukkan bagaimana jawaban rata-

rata di buat oleh beberapa covariat. Kadang-kadang tidak cukup informasi tentang
data untuk menentukan suatu model data. Bagaimanapun, dimungkinkan bisa untuk
menentukan beberapa dari keistimewaan data. Sebagai contoh,

i Apakah data kontinu atau diskrit.

ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.

iii Bagaimana variable jawaban berubah dengan jawaban rata-rata.

iv Apakah pengamatan itu independen.

v Apakah jawaban dari distribusi tidak simetris.

Dikembangkan analisis berdasarkan pada penaksiran likelihood. Dikonsentrasikan

pada hal dimana observasi adalah independen, tetapi perluasan dapat dibuat terma-
suk korelasi diantara titik-titik data.

Sering penaksiran parameter mempertimbangkan suatu intuisi. Perkiraan X

pasti kelihatannya pantas sebagai suatu perkiraan dari suatu populasi rata-rata µ.
Berdasarkan atas S 2 sebagai suatu perkiraan dari σ 2 adalah X. Perkiraan untuk
suatu parameter binomial p adalah hanya suatu ukuran sampel, yang tentu adalah
suatu rata-rata dan mempertimbangkan berdasarkan penalaran logika. Tetapi ada
banyak situasi yang tidak semua nyata apakah perkiraan tepat dilakukan. Dalam
statistika, filosofi berbeda menghasilkan metode perkiraan berbeda.

Fungsi quasi-likelihood diperkenalkan oleh Wedderburn (1974), digunakan untuk

menaksir parameter-parameter yang tak diketahui dalam model linear secara umum.
Gagasan dari quasi-likelihood memperlemah asumsi bahwa diketahui dengan tepat
Universitas Sumatera Utara
1
 2

distribusi komponen acak di dalam model, dan menggantikannya oleh suatu asumsi
tentang bagaimana perubahan varian dengan rata-rata.

Dalam statistika, perkiraan quasi-likelihood adalah satu cara yang membolehkan

untuk overdispersi. Kebanyakan sering digunakan dengan model-model untuk perhi-
tungan data atau kelompok data biner, data sebaliknya menggunakan model Poisson
atau distribusi binomial.

Fungsi-likelihood menggambarkan suatu fungsi yang mempunyai kemiripan sifat

dengan fungsi log-likelihood, kalau tidak suatu fungsi quasi-likelihood adalah bukan
log-likelihood yang cocok untuk banyak distribusi probabilitas yang sebenarnya. Mo-
del quasi-likelihood dapat dicocokkan menggunakan suatu perluasan algoritma tepat
digunakan untuk model linier yang umum.

Hanya suatu hubungan antara mean dan varians sebagai pengganti menen-
tukan suatu distribusi probabilitas untuk data dikhususkan pada bentuk dari su-
atu fungsi varians, diberikan varians sebagai suatu fungsi dari mean. Umumnya,
fungsi ini diberikan termasuk suatu perkiraan faktor yang dikenal sebagai parame-
ter overdispersi atau parameter skala yang diperkirakan dari data. Biasanya, fungsi
varians adalah suatu bentuk seperti bahan perluasan parameter overdispersi pada ke-
satuan hasil dalam varians-mean berhubungan dengan suatu distribusi probabilitas
yang nyata seperti Binomial atau Poisson.

Fungsi quasi-likelihood bisa digunakan untuk memperkirakan dalam cara yang

sama seperti fungsi likelihood yang umum. Wedderburn (1974) dan McCullagh (1983)
menunjukkan bahwa perkiraan quasi-likelihood maksimum mempunyai banyak kemiri-
pan sifat tertentu untuk diteliti, perkiraan quasi likelihood maksimum dari vektor β
(vektor dari parameter-parameter dalam model regresi) adalah suatu normal asimp-
totis dengan rata-rata β , dan kovarians asymptotic bisa berasal dari cara yang
umum dari turunan kedua matriks dari fungsi quasi-likelihood. Juga, jika distribusi
dasar datang dari suatu keluarga eksponensial alami dari perkiraan quasi-likelihood
maksimum memaksimalkan fungsi likelihood dan demikian itu mempunyai penuh
keefisienan asimptotik. Di bawah distribusi-distribusi yang lebih umum sekitar hi-
langnya efisiensi, yang telah diselidiki oleh Firth (1987) dan Hill & Tsai (1988).

Metode likelihood maksimum adalah fungsi likelihood yang berukuran maksi-

mum yang merupakan suatu metode statistik populer digunakan untuk mencocokkan
model statistika untuk data, dan menetapkan perkiraan-perkiraan untuk parameter-
parameter model.

Universitas Sumatera Utara

 3

Perkiraan quasi-likelihood maksimum menggambarkan satu dari kebanyakan

pendekatan penting untuk perkiraan dalam semua dari kesimpulan statistik.

Diperkenalkan perkiraan-perkiraan quasi-likelihood maksimum dari parameter-

parameter tidak diketahui dari distribusi Pareto dan metoda baru yaitu perkiraan
quasi-Bayesian.

Sejauh dicocokkan model menggunakan likelihood maksimum dengan maksud

mengira bahwa ada suatu kemungkinan model untuk data. Tujuannya menentukan
suatu mekanisme generasi data sebagai contoh data terdiri dari menghitung kejadian
dalam suatu proses Poisson. Agar dikemukakan seperti suatu mekanisme, dibutuhkan
ilmu pengetahuan dari proses-proses fisik petunjuk untuk data, atau pengalaman
penting dengan data serupa.

Suatu metode baru dari penerapan ilmu pengetahuan matematika diperkenalkan

oleh Youssef (2009), yang meneliti kemungkinan penggunaan fungsi quasi-likelihood
dalam pendekatan Bayesian yang kemudian dinamakan dengan perkiraan quasi likeli-
hood. Metode ini mengurangi perkiraan Bayesian biasa jika distribusi itu adalah suatu
anggota dari keluarga eksponensial. Digunakan perkiraan-perkiraan quasi-likelihood
maksimum dari parameter-parameter tak diketahui dari distribusi Pareto dan metode
penaksiran quasi-Bayesian.

Fungsi likelihood untuk parameter distribusi Pareto berguna dalam menemukan

penaksir untuk α dan menentukan dimana bernilai nol. Penaksir likelihood maksi-
mum untuk α juga dapat menaksir kesalahan pengiraan statistik. Distribusi Pareto
menjadi pilihan, menurut Nolan (1998), distribusi Pareto merupakan distribusi yang
digambarkan dari parameterparameter stabil yang umum, sehingga berperan untuk
mendiagnosa distribusi yang stabil. Selanjutnya menurut Youssef (2009), data Pareto
berperan dalam penaksiran Bayesian dan quasilikelihood, sehingga dapat diketahui
perbedaan antara koefisien dari variasi penaksiran Bayesian dan penaksiran quasi-
Bayesian dengan perbedaan ukuran sampel dan nilai dari parameter prior dan dapat
diketahui tingkat efisiensi dari penaksiran quasi-Bayesian dari parameter α ketika k
diketahui dan parameter k ketika α diketahui. Hal inilah yang mendasari penulis
dalam tesis ini memilih quasi-likelihood dan quasi-Bayesian untuk menaksir parame-
ter dalam distribusi Pareto.

1.2 Permasalahan

Universitas Sumatera Utara

 4

Kesulitan dalam memprediksi dan menaksir parameter-parameter dengan cara-

cara lain dari data yang ada mendorong penulis untuk membahas penggunaan metode
fungsi quasi-likelihood untuk penaksiran parameter dalam distribusi Pareto dan mem-
fokuskan pada estimasi Bayesian untuk parameter parameter Pareto dan efisiensi dari
estimasi quasi-Bayesian.

1.3 Tujuan Penelitian

Tesis ini bertujuan untuk meninjau kemungkinan pemakaian fungsi quasi-likelihood

dalam pendekatan Bayes untuk penaksiran parameter dalam distribusi Pareto.

1.4 Manfaat Penelitian

Melalui tulisan ini diharapkan agar pemakaian fungsi quasi-likelihood dalam

pendekatan Bayes dapat dimanfaatkan dalam hal-hal yang berkaitan dengan pe-
naksiran yang bertepatan dengan ilmu sosial, ekonomi, sains, geofisika, maupun bi-
dang lainnya.

1.5 Metodologi Penelitian

Dalam proses penyusunan tesis ini ditunjukkan untuk lebih mengenal hubungan
antara fungsi quasi-likelihood, metode Bayesian dan model linier yang digunakan
untuk penaksiran parameter dalam distribusi Pareto.

Tesis ini membahas penaksiran Bayesian dan quasi-likelihood untuk data Pareto
dan juga efisiensi dari perkiraan quasi-Bayesian dari data parameter.

Konseptualisasi proses penulisan tersebut kemudian dituangkan menjadi suatu

metode penelitian dengan analisis observasi dan pengumpulan data melalui studi pus-
taka yang diperlukan untuk melukiskan fenomena tersebut. Oleh karena itu metode
yang digunakan dalam penelitian ini adalah Deskriptis-Analitis.

Sesuai dengan anggapan dasar dalam penulisan tesis ini bahwa deskripsi yang di-
maksudkan menggambarkan metode penaksiran Bayesian menggunakan fungsi quasi-
likelihood yang digunakan untuk menaksir parameter-parameter untuk data Pareto
serta mengintepretasikannya dalam suatu hasil tesis, sehingga dapat dilakukan pe-
narikan dan penyusunan suatu kesimpulan.

Sebagai suatu proses, penulis melaksanakan penyusunan tesis ini dengan tahapan-
Universitas Sumatera Utara
 5

tahapan tertentu yang dibuat pada suatu alur kegiatan metode kerja penelitian yang
diperlihatkan pada gambar dibawah ini :

Gambar 1.1 : Alur Kegiatan Metode Kerja Penelitian

Universitas Sumatera Utara