Temuan Utama

Penelitian ini menunjukkan bahwa pendekatan Bayesian dengan berbagai fungsi loss memberikan hasil estimasi parameter distribusi Pareto yang berbeda tingkat akurasinya dalam konteks analisis survival. Melalui perbandingan metode Maximum Likelihood Estimation dan beberapa estimator Bayesian berbasis loss function, yaitu generalized Squared Error Loss Function, Linear Exponential Loss Function (LINEX), dan Entropy Loss Function (ELF), diperoleh bukti konsisten bahwa Bayesian ELF dengan prior eksponensial menghasilkan estimator parameter yang paling unggul. Keunggulan ini ditunjukkan oleh nilai Akaike Information Criterion, AIC terkoreksi (AICc), dan Bayesian Information Criterion (BIC) yang paling rendah, baik pada studi simulasi maupun pada data nyata. Hasil simulasi pada berbagai ukuran sampel dan nilai parameter menunjukkan stabilitas kinerja metode ELF eksponensial dibandingkan pendekatan lain. Analisis data riil juga memperkuat temuan ini, di mana estimator Bayesian ELF mampu memberikan estimasi parameter yang lebih efisien dan representatif terhadap karakteristik data survival. Secara keseluruhan, penelitian ini menegaskan bahwa pemilihan fungsi loss dan prior dalam kerangka Bayesian sangat menentukan kualitas estimasi, serta merekomendasikan Bayesian ELF dengan prior eksponensial sebagai pendekatan yang paling andal untuk analisis survival berbasis distribusi Pareto.

Potensi Manfaat

Penelitian ini memberi landasan metodologis yang kuat untuk estimasi parameter survival dan reliabilitas yang lebih akurat pada data berperilaku ekor berat (heavy tail) seperti hidrologi, teknik, dan kesehatan. Rekomendasi penggunaan Bayesian ELF dengan prior eksponensial membantu peneliti dan praktisi memilih penaksir yang konsisten unggul berdasarkan kriteria informasi (AIC, AICc, BIC). Hasil ini meningkatkan ketepatan penilaian risiko, umur pakai, dan kegagalan sistem. Kerangka yang disajikan juga mudah direplikasi ke distribusi lain dan konteks data berbeda, sehingga memperkuat praktik pengambilan keputusan berbasis bukti pada studi survival dan keandalan.