Hari kedua Inference Track MIDSEA Summer School 2025 pada tanggal 24 Juni 2025 di Yudhistira Room, Gedung MICC, The Alana Yogyakarta Hotel and Convention Center, berjalan dengan sukses. Sesi berjudul “Implementing MLE” ini membahas tantangan dalam penerapan Maximum Likelihood Estimation (MLE) pada model statistik yang kompleks. Salah satu isu yang dibahas adalah ketidakpastian dalam estimasi parameter, terutama ketika menghadapi model yang memiliki banyak variabel dan parameter. Dalam sesi ini, peserta mempelajari bagaimana metode numerik dan optimisasi dapat digunakan untuk menemukan parameter yang memaksimalkan fungsi likelihood, meskipun model yang digunakan seringkali melibatkan ketidakpastian dan data yang tidak sempurna.
Angkana T. Huang, pakar di bidang inferensi statistik, menjelaskan bahwa MLE berfokus pada pencarian parameter yang memaksimalkan fungsi likelihood — suatu fungsi yang mengukur kecocokan model dengan data yang diamati. Para peserta diperkenalkan dengan berbagai strategi untuk memperoleh MLE, termasuk pendekatan analitik, grid search, dan metode numerik. Masing-masing metode memiliki kelebihan dan tantangannya sendiri, terutama ketika berhadapan dengan model yang lebih kompleks dengan banyak parameter.
Sebagai lanjutan, Huang juga menjelaskan bahwa meskipun MLE merupakan alat yang sangat efektif, penggunaannya dalam model yang lebih kompleks sering kali menghadirkan tantangan, terutama dalam mengoptimalkan banyak parameter secara simultan. Oleh karena itu, peserta diperkenalkan dengan teknik-teknik seperti Imagine, Slice, dan Profile, yang memungkinkan mereka untuk lebih memahami dinamika model dan mengatasi ketidakpastian dalam estimasi parameter, sehingga menghasilkan model yang lebih akurat dan dapat diandalkan.
Materi beralih ke topik Confidence Interval (CI), dijelaskan mengenai pentingnya membangun CI untuk memperkirakan ketidakpastian dalam estimasi parameter. Peserta diperkenalkan dengan berbagai metode untuk menghitung CI, seperti Likelihood Ratio Test dan penggunaan Hessian Matrix untuk mengukur variabilitas parameter. Selain itu, teknik bootstrapping juga dibahas sebagai alternatif yang lebih fleksibel, yang memungkinkan estimasi CI tanpa bergantung pada asumsi distribusi tertentu.
Banyak sesi yang diisi dengan latihan, di mana peserta diberi kesempatan untuk mencoba kode R untuk memahami materi lebih mendalam. Pemateri aktif membantu peserta dalam menjalankan kode dan mengatasi kendala yang muncul, memastikan bahwa setiap peserta dapat mengaplikasikan teori yang telah dipelajari. Peserta sangat aktif bertanya dan berdiskusi selama sesi ini, menggali lebih dalam tentang cara-cara yang dapat digunakan untuk memperbaiki ketepatan estimasi parameter dan meningkatkan keandalan model statistik. Sesi ini memberikan wawasan yang sangat berharga bagi peserta dalam menghadapi tantangan statistik yang lebih kompleks.
Kata Kunci: MIDSEA, Modelling, Infectious Diseases Modelling
Penulis: Najida Humaira
Foto: Lucetta Amarakamini