Metode Bayes

Metode Bayes adalah metode pendugaan parameter yang berdasarkan kepada

teorema Bayes. Parameter yang diduga dengan metode Bayes merupakan peubah acak

yang mempunyai distribusi tertentu. Metode Bayes menggabungkan fungsi likelihood

dan distribusi prior dari parameter untuk mendapatkan distribusi posterior yang

selanjutnya menjadi dasar dalam pendugaan parameter [4]. Berikut akan dijelaskan

kedua distribusi parameter yang digunakan dengan metode Bayes.

4.3.1. Fungsi Likelihood

Definisi 4.3.1 [1] Fungsi likelihood adalah fungsi kepekatan peluang bersama dari

peubah acak yang dihitung pada dinyatakan dalam bentuk

Jika ditetapkan, maka fungsi likelihood adalah fungsi

dari parameter dan dinotasikan dengan Jika menyatakan

suatu peubah acak dari , maka:

4.3.2.Distribusi Prior

Dalam metode Bayes, distribusi prior memiliki peran penting dalam pendugaan

parameter yang tidak diketahui. Distribusi prior merupakan distribusi awal yang

memberikan informasi mengenai parameter dan harus ditentukan terlebih dahulu

sebelum merumuskan distribusi posteriornya. Pada dasarnya, distribusi prior dipilih

secara subyektif oleh peneliti terhadap suatu nilai parameter yang diduga.
 Distribusi prior dikelompokkan menjadi dua kelompok, yaitu [3]:

1. Berdasarkan bentuk identifikasi pola data yang diperoleh dari fungsi

likelihoodnya, yaitu:

a. Distribusi prior konjugat (prior sekawan)

Distribusi prior ini ditentukan berdasarkan pada pemilihan prior

mempertimbangkan pola fungsi likelihoodnya [3]. Prior konjugat didefinisikan

juga sebagai suatu prior yang berasal dari distribusi keluarga eksponensial dan

menghasilkan suatu posterior dari distribusi keluarga eksponensial yang sama

dengan distribusi prior [7].

Tabel 4.3.1. Distribusi Prior Konjugat Untuk Beberapa Distribusi Kontinu

Distribusi Prior Posterior

sampel Konjugat

啰
啰
diketahui)

啰
diketahui)

݂ ݂ ݂ max ″

″ ‫ݏ‬ ݁

b. Distribusi prior non-konjugat

Distribusi prior ini ditentukan tidak berdasarkan hasil identifikasi pola

datanya atau pola fungsi likelihoodnya.

2. Berdasarkan informasi terdahulu terkait dengan penentuan masing-masing

parameter pada pola distribusi priornya, yaitu

 a. Distribusi prior informatif

Distribusi prior yang mengacu pada pemberian parameter dari distribusi

prior yang telah dipilih baik distribusi prior konjugat atau prior non-konjugat,

pemberian nilai parameter pada distribusi prior ini didasarkan pada informasi

yang diperoleh dari datanya.

b. Distribusi prior non-informatif

Distribusi prior yang ditentukan tidak berdasarkan pada data yang ada

atau informasi mengenai parameter tidak tersedia. Distribusi prior

non-informatif dapat didekati dengan menggunakan metode Jeffrey yang akan

dijelaskan pada bagian berikut ini.

4.3.2. Distribusi Posterior

Distribusi posterior adalah distribusi dari yang menggabungkan informasi dari

data sampel yang dinyatakan dengan fungsi likelihood dengan informasi terdahulu

terkait parameter yang dinyatakan dengan distribusi prior melalui teorema Bayes.

Secara umum distribusi posterior dapat dinyatakan sebagai fungsi kepekatan peluang

bersyarat dari jika diketahui nilai pengamatan , misalkan dapat

ditulis

Fungsi kepekatan peluang bersama dari contoh acak dan parameter yang

dinyatakan dalam bentuk fungsi likelihood dan distribusi prior dapat ditulis
 Untuk menyatakan fungsi likelihood dan menyatakan fungsi

kepekatan peluang dari prior bagi . Selanjutnya fungsi kepekatan peluang marginal

dari contoh acak dapat dinyatakan sebagai

Berdasarkan persamaan (4.3.2), (4.3.3) dan (4.3.4), distribusi posterior dapat

didefinisikan sebagai berikut

Defininsi 4.3.2 Distribusi Posterior Fungsi kepekatan peluang bersyarat dari jika

diketahui pengamatan sampel disebut fungsi kepekatan peluang

posterior, yang diberikan dari:

Nilai tengah atau nilai harapan distribusi posterior digunakan untuk menentukan

nilai pendugaan titik Bayes bagi parameter yang tidak diketahui.

Definisi 4.3.3 Penduga Bayes Nilai tengah dari distribusi posterior

dinyatakan dengan , disebut penduga Bayes untuk .

4.3.4. Metode Jeffrey

Salah satu bentuk pendekatan dari prior non-informatif adalah dengan

menggunakan metode Jeffrey. Metode ini menyatakan bahwa disribusi prior

merupakan akar kuadrat dari informasi Fisher yang dinyatakan sebagai .

Aturan Jeffrey Distribusi prior dikatakan distribusi prior non-informatif dari

parameter jika distribusi prior tersebut proporsional dengan akar dari informasi

Fisher.
dengan informasi Fisher dari parameter untuk suatu peubah acak

didefinisikan dengan:

log

dimana: ݂ s ݂

‫݂ ݏ‬ ݂ ݁ ″ ″ s⺁ 䇅

″ ⺁

⺁ ″ ‫ ݏ‬″ ‫⺁݁ ݏ‬ ݂