PERBANDINGAN METODE BAYES DENGAN METODE MAKSIMUM

LIKELIHOOD DALAM MENGESTIMASI PARAMETER DISTRIBUSI

NORMAL (P-38)

Setiap orang dalam hidupnya sering membuat estimasi. Apabila akan menyeberang jalan, kita menaksir
berapa kecepatan kendaraan yang melewati jalan pada saat itu. Sehingga kita dapat memutuskan akan
menyeberang atau tidak, para manajer pun berbuat hal yang sama. Mereka harus menaksir jumalah
konsumennya dan kemampuan debiturnya, kelengkapan produk yang dijualnya, pelaku pesaingnya, dan
sebagainya. Apa yang mereka putuskan biasanya dilandasi oleh estimasi-estimasi yang berasal dari
informasi yang tidak lengkap dan diselubungi oleh ketidakpastian yang besar, sehingga hasilnya pun
kurang memadai. Dengan penguasaan dan pemikiran teknik estimasi yang lebih baik diharapkan juga
hasilnya akan bertambah baik.

Dalam alam realitas, parameter yang sebenarnya ingin diketahui jarang diperoleh. Parameter pada
umumnya tidak diketahui karena populasinya tidak berhingga besarnya, atau kalau berhingga
jumaksimum likelihoodahnya terlalu besar untuk diteliti seluruhnya dibanding biaya, waktu, dan tenaga
yang tersedia (Tiro, 2000: 75). Di samping itu besarnya populasi seringkali tidak dapat diketahui, seperti
banyaknya ikan di Laut Jawa, banyaknya kayu meranti di Hutan Kalimantan, jumlah total produksi lampu
yang ada, dan sebagainya.

Untuk mengestimasi parameter suatu populasi maka diambil sebuah sampel yang representatif,
sebelum estimasi dilakukan, perlu diketahui lebih dulu keadaan populasi variabel random tersebut
secara apriori, seperti bentuk distribusinya, dan karakteristik parameter-parameter lain. Walaupun
kerapkali informasi tentang populasinya sangat minimal, informasi yang diperoleh secara apriori itu
kemudian dapat ditambahkan pula dengan informasi yang diperoleh dari sampel itu sendiri.
Dalam statistika inferensial, ada dua bagian penting yang menjadi pusat perhatian yaitu estimasi
parameter dan pengujian hipotesis. Jika parameter populasi tidak diketahui maka dilakukan estimasi tapi
jika parameter diketahui maka dilakukan pengujian hipotesis untuk menguji kebenaran dari asumsi
tentang parameter. Dalam mengestimasi parameter, maka perlu memilih metode yang tepat sesuai
dengan keadaan dari populasi yang diteliti. Dalam statistika inferensi, biasanya diasumsikan bahwa
distribusi populasi diketahui. Teknik yang digunakan untuk menaksir nilai parameter bila distribusi
populasi diketahui adalah metode maximum likelihood. Metode ini hanya mendasarkan inferensinya
pada sampel. Tetapi jika distribusi populasi tidak diketahui maka metode maksimum likelihood tidak
dapat digunakan. Bayes memperkenalkan suatu metode dimana kita perlu mengetahui bentuk distribusi
awal (prior) dari populasi yang dikenal dengan metode Bayes. Sebelum menarik sampel dari suatu
populasi terkadang kita peroleh informasi mengenai parameter yang akan diestimasi. Informasi ini
kemudian digabungkan dengan informasi dari sampel untuk digunakan dalam mengestimasi parameter
populasi.

Menurut Bayes, parameter populasi berasal dari suatu distribusi, sehingga nilainya tidaklah tunggal
(merupakan variabel random), sedangkan menurut metode klasik parameter populasi diasumsikan tetap
(konstan) walaupun nilainya tidak diketahui. Masing-masing pendekatan sudah tentu mempunyai
kelebihan dan kekurangan masing-masing. Pada metode maksimum likelihood, teknik estimasi
parameternya lebih mudah, sehingga orang banyak menggunakan teknik ini. Akan tetapi teknik ini hanya
dapat digunakan bilamana distribusi populasi diketahui. Selain itu, metode maksimum likelihood sangat
sensitive terhadap data ekstrim. Data ekstrim ini sangat berpengaruh terhadap nilai rata-rata ataupun
variansi. Pada metode Bayes, karena nilai parameternya berasal dari suatu distribusi, maka kesulitan
pertama yang dijumpai adalah bagaimana bentuk distribusi parameter tersebut. Walaupun untuk
menentukan distribusi prior dari parameter adalah sulit, tetapi estimasi parameter dengan metode
Bayes tampaknya lebih menjanjikan karena peneliti tidak perlu tahu tentang distribusi prior dari
populasi.

Pada metode Bayes seorang peneliti harus menentukan distribusi prior dari parameter yang ditaksir.
Penentuan distribusi parameter ini menurut Hogg & Craig (1978) sangatlah subyektif. Semakin
berpengalaman seseorang, maka semakin mudahlah ia menentukan distribusi priornya. Sudah tentu
penentuan distribusi prior ini harus berdasarkan alur berpikir yang logis (Bernando & Smith, 1994).
Setelah informasi dari data (yang didapat dari pengambilan sampel) digabungkan dengan informasi prior
dari parameter, akan didapat distribusi posterior dari parameter.

Metode maksimum likelihood mendasarkan inferensinya hanya pada informasi yang dikandung dalam
sampel. Informasi prior tidak dimasukkan dalam analisa statistik formal. Metode tersebut pada dasarnya
menafsirkan probabilitas sebagai frekuensi relatif (probabilitas obyektif). Bayes menggunakan
interpretasi probabilitas secara subyektif di dalam analisa statistika formal. Pendekatan Bayes terhadap
metode estimasi statistik menggabungkan informasi yang dikandung dalam sampel dengan informasi
lain yang telah tersedia sebelumnya. Dari segi asumsi statistikawan klasik memandang bahwa parameter
populasi mempunyai harga tertentu yang tidak diketahui sehingga pernyataan probabilitas tentang
parameter populasi tidak mempunyai arti. Sebaliknya para pengikut Bayes mengakui adanya
ketidakpastian tentang parameter populasi sehingga kita dapat membuat pernyataan probabilitas
tentang parameter populasi. Metode Bayes membuat pernyataan probabilitas tentang , sedangkan
metode klasik membuat pernyataan probabilitas tentang hasil sampel.

Dalam mengestimasi parameter pemilihan metode estimasi sangat penting. penggunaan metode harus
sesuai dengan kondisi populasi, misalnya apakah distribusi populasi diketahui atau tidak.

Distribusi diffuse terjadi jika informasi prior tidak ada atau sangat sedikit bila dibandingkan dengan
informasi dalam sampel (likelihood-nya). Jika distribusi diffuse digunakan dalam metode Bayes maka
distribusi posterior akan mempunyai bentuk yang sama dengan fungsi likelihood, akibatnya estimasi
maksimum likelihood akan sama dengan estimasi Bayes.

Dasar inferensi dan keputusan di dalam statistika klasik hanyalah informasi sampel. Jadi, dalam
keaadaan distribusi diffuse, metode Bayes dan metode klasik pada hakikatnya mempunyai informasi
yang sama. Walaupun demikian, masih terdapat perbedaan interpretasi diantara dua hasil yang “sama”
pada kedua metode tersebut. Parameter yang akan diestimasi adalah rata-rata dan variansi khusus pada
distribusi normal. Pada studi ini dikhususkan pada distribusi normal karena distribusi lain dapat
diturunkan atau diperluas dari distribusi normal, kaitannya dengan teorema limit sentral,
penyederhanaan masalah, untuk memenuhi syarat dalam estimasi maksimum likelihood dan Bayes serta
untuk mempermudah penurunan formula-formula matematiknya. Akan tetapi, pada situasi yang
sebenarnya, kalau distribusi populasi tidak diketahui, maka bentuk distribusi haruslah diestimasi.

Berdasarkan uraian tersebut maka penulis tertarik untuk meneliti dan menuangkan permasalahan
tersebut dalam sebuah skripsi yang berjudul: “Perbandingan Metode Bayes dengan Metode Maksimum
Likelihood dalam Mengestimasi Parameter Distribusi Normal”.