Webinar Series Statistika yang diselenggarakan oleh Politeknik Statistika STIS kembali hadir di seri keempat dengan mengusung tema “Mengenal Statistika Bayesian” pada Jumat (29/10). Diselenggarakan secara daring melalui Zoom Meeting dan disiarkan langsung melalui kanal YouTube Politeknik Statistika STIS, jalannya webinar kali ini pun dipandu oleh Ika Yuni Wulansari, S.S.T., M.Stat. sebagai moderator.
Topik “Metode Bayesian untuk Pemula” disampaikan oleh Dr. Achmad Syahrul Choir, S.S.T., M.Si. sebagai narasumber pertama. Pembahasan dibuka dengan ilustrasi metode Bayesian. Konsep prior (model statistik) dengan menggunakan likelihood (informasi dalam data yang diamati) dan posterior menjadi pokok utama yang mencirikan metode Bayesian. Narasumber menyampaikan bahwa ada proses pembaruan dari prior yang berkaitan dengan keberlanjutan sebuah penelitian. Dalam paparan, ditunjukkan pula pentingnya distribusi statistik dalam konsep prior, likelihood, dan posterior. Pemaparan dilanjutkan dengan perbandingan antara frekuentis dan Bayesian dari aspek statistik dan parameter, confidence interval dan credible interval, serta inferensi yang dapat diterapkan. Selanjutnya, narasumber menjelaskan tentang komputasi Bayesian, yakni pendekatan komputasi melalui algoritma Markov Chain Monte Carlo (MCMC). Pembahasan mengenai software Bayesian pun tak luput dari fokus paparan narasumber. Bayesian inference Using Gibbs Sampling (BUGS), Stan, PYMC3, BRMS, R-Inla, JASP, SPSS, dan STATA merupakan software yang dikenalkan oleh narasumber sebagai penutup paparan topik pertama.
Di sesi berikutnya, Dr. Rindang Bangun Prasetyo, S.S.T., M.Si. menyampaikan pembahasan mengenai “Penerapan Model Bayesian dengan WinBUGS dan JAGS”. Pemaparan tentang motivasi adanya metode Bayesian membuka pembahasan topik kedua ini. Narasumber kemudian menerangkan garis besar proses pemodelan Bayesian dan perbedaannya dengan frekuentis pada tahap specification model, implementasi, evaluasi, dan selection model. Pembahasan dilanjutkan dengan proses pemodelan dengan WinBUGS yang dimulai dari specify model (DAG) hingga monitor MCMC Output untuk memastikan hasil yang konvergen. Narasumber juga memaparkan perbedaan antara WinBUGS dan Just Another Gibbs Sampler (JAGS) beserta kelebihannya masing-masing. Poin penting lainnya yakni WinBUGS maupun JAGS dapat diimplementasikan melalui software R maupun Python. Pada pembahasan kali ini, pemaparan narasumber terfokus pada proses pemodelan melalui software R dengan R2WinBUGS maupun jagsUI versi 1.5.1.
Dr. Azka Ubaidillah, S.S.T., M.Si. memberikan pemaparan mengenai “Pemodelan Bayesian pada SAE” sebagai topik terakhir pada webinar kali ini. Pemaparan dibuka dengan penjelasan umum tentang Small Area Estimation (SAE). “Selama survei dibutuhkan, maka SAE juga akan mengiringinya,” demikian narasumber menyampaikan. Narasumber menekankan konsep pemanfaatan informasi dari sampel di area lain yang dihubungkan dengan informasi tambahan (auxiliary variables) melalui persamaan model statistik dalam SAE. Sebagai gambaran, narasumber juga menyampaikan penerapan SAE dalam agenda BPS sejak tahun 2002. Narasumber menjelaskan, pengembangan Model SAE menggunakan Metode Bayesian bertujuan untuk mengatasi variabel amatan yang tidak menyebar normal. Sebagai contoh, narasumber menjelaskan analisis sebuah kasus dalam hal perbandingan antara relative standard error dari metode direct estimation, EBLUP, dan Hierarchical Bayesian Beta. Dari perbandingan tersebut, diketahui bahwa pendekatan Bayesian jauh lebih baik. Narasumber menambahkan dalam software R terdapat packages untuk SAE yang beberapa di antaranya merupakan hasil karya mahasiswa dan dosen Polstat STIS yang dapat digunakan untuk penerapan topik ini.
Sesi tanya jawab menjadi penutup webinar dan disambut antusias oleh peserta melalui Zoom Meeting maupun YouTube. Tak hanya diramaikan oleh peserta dari lingkungan BPS dan Polstat STIS, peserta webinar pun berasal dari berbagai latar belakang berbeda.
