Gambar 1 Bayesian dalam Machine Learning 1. Bagaimana konsep Bayesian diterapkan dalam Machine Learning? Bayesian Machine Learning menggunakan Teorema Bayes untuk memperbarui probabilitas suatu hipotesis berdasarkan bukti baru. Ini berarti model bisa menggabungkan pengetahuan sebelumnya (prior) dan data baru (likelihood) untuk mendapatkan probabilitas terkini (posterior). Bayesian memungkinkan pembelajaran lebih fleksibel dan probabilistik, cocok untuk klasifikasi,...Read More

1. Bayesian Decision Theory: Bagaimana Bayesian digunakan dalam pengambilan keputusan? Metode Bayes merupakan salah satu metode pengambilan keputusan yang telah banyak dipakai, metode ini dikembangkan untuk menyelesaikan masalah pengambilan keputusan dengan menentukan nilai peluang dari kejadian dan nilai evidence (bukti) yang didapat dari fakta tentang objek yang diteliti (Diana, 2017). Pengambilan keputusan dengan metode ini...Read More

Gambar 1 Model Hierarki Bayesian Pengertian Model Hierarki Bayesian Jadi, model hirarki Bayesian adalah pendekatan statistik yang memungkinkan pemodelan data dengan struktur bertingkat (multilevel), dimana parameter pada setiap tingkat memiliki distribusi probabilitas sendiri (Gelman et al., 2013). Model ini menggabungkan informasi dari berbagai kelompok atau tingkat hierarki untuk menghasilkan estimasi yang lebih stabil dan akurat....Read More

1. Pengantar regresi dalam konteks Bayesian. Regresi adalah salah satu teknik statistik paling populer untuk memodelkan hubungan antara variabel dependen dan independen (Gelman et al., 2013). Dalam pendekatan Bayesian, regresi tidak hanya memberikan estimasi parameter tetapi juga distribusi probabilitas yang mencerminkan ketidakpastian dari parameter tersebut (McElreath, 2020). Konsep Dasar: Inferensi Bayesian menggunakan teorema Bayes untuk mengupdate...Read More

Analisis Bayesian sering kali melibatkan perhitungan kompleks, terutama ketika menghitung distribusi posterior pada model dengan parameter tinggi. Karena integral multidimensi sulit dipecahkan secara analitik, metode numerik seperti Monte Carlo dan Markov Chain Monte Carlo (MCMC) menjadi solusi penting (Gelman et al., 2013). So first thing first… 1. Mengapa Statistik Bayesian Membutuhkan Metode Numerik? Statistik Bayesian sangat bergantung pada perhitungan distribusi posterior,...Read More

Pengantar Model Bayesian Sederhana Model Bayesian menggunakan teorema Bayes  guna memperbarui keyakinan tentang parameter  yang ada pada data , dimana terdiri dari tiga komponen utama, yaitu: Prior: Distribusi awal parameter (misalnya, Beta untuk probabilitas) Likelihood: Probabilitas data berdasarkan parameter Posterior: Distribusi parameter yang diperbarui setelah melihat data Jenis Distribusi Probabilitas dalam Model Bayesian 1. Distribusi...Read More

Banyak yang sering salah memahami konsep penolakan hipotesis nol ( ​) dalam uji signifikansi penelitian dan uji asumsi regresi. Padahal, keduanya memiliki tujuan yang berbeda serta cara interpretasi p-value yang tidak sama. Sebagian besar mengira bahwa menolak ​ selalu merupakan hasil yang baik, padahal tidak selalu demikian. Dalam uji signifikansi, menolak ​​ berarti ada hubungan...Read More

1. Apa itu Inferensi Bayesian Inferensi Bayesian adalah cara untuk memperbarui keyakinan kita tentang suatu hal berdasarkan data baru yang kita amati. Dalam pendekatan ini, kita tidak hanya mengandalkan data yang kita miliki saat ini, tetapi juga mempertimbangkan informasi atau keyakinan sebelumnya. Keyakinan awal ini disebut sebagai prior (Gelman et al., 2013). Misal, Ahli meteorologi...Read More