Hasil Pencarian  ::  Simpan CSV :: Kembali

"Asumsi kestasioneran merupakan asumsi yang harus dipenuhi pada sebagian besar teori ekonometri. Pada kenyataannya, hal ini hampir tidak terpenuhi untuk variabel-variabel ekonomi. Granger dan Newbold (1974) menunjukkan bahwa regresi yang dibentuk oleh variabel-variabel nonstasioner yang tidak berkorelasi akan menciptakan spurious regression (regresi palsu). Pada tahun 1987, Engle dan Granger merumuskan suatu ide untuk membuat kombinasi linier yang stasioner dari variabel-variabel nonstasioner yang disebut kointegrasi. Dalam ekonometrika, variabel-variabel yang terkointegrasi dikatakan berada dalam kondisi keseimbangan jangka panjang (long run equilibrium). Pengujian kointegrasi untuk kasus bivariat dapat dilakukan dengan menggunakan metode Engle - Granger, sedangkan penaksiran parameternya dapat dilakukan dengan metode Engle - Granger two step procedurre. Walaupun metode Engle - Granger mudah diterapkan, akan tetapi mempunyai beberapa kelemahan apabila diterapkan pada kasus kointegrasi mutivariat. Johansen (1988) merumuskan suatu metode pengujian kointegrasi untuk kasus multivariat yang disebut sebagai Johansen Cointegration Test. Pengujian kointegrasi Johansen mampu mendeteksi secara langsung ada berapa hubungan kointegrasi yang terbentuk dari n variabel yang diuji,. Sedangkan untuk penaksiran parameternya digunakan metode Johansen Maximum Likelihood. Dalam tugas akhir ini, hubungan kointegrasi multivariat diterapkan pada nilai Produk Domestik Bruto (PDB), ekspor dan Investasi di Indonesia pada tahun 1970-2007."

"Model probit adalah salah satu jenis model pilihan diskrit dengan error yang diasumsikan saling bebas, berdistribusi normal, dan homoskesdastis. Model probit dengan komponen error dari observasi di suatu lokasi bergantung dengan komponen error dari observasi di lokasi lain disebut model probit spasial error. Parameter dari model probit spasial error akan ditaksir dengan metode maksimum likelihood parsial dalam dua cara. Cara pertama dengan memperhitungkan variansi dari error dalam pembentukan fungsi likelihood parsial. Cara kedua dengan membentuk n grup dari sejumlah 2n observasi dari lokasi berbeda, dimana setiap grup terdiri dari dua observasi di lokasi yang berbeda. Selanjutnya, dengan memperhatikan korelasi antar error di dalam grup, akan dibentuk fungsi kepadatan probabilitas dari setiap grup yang akan digunakan untuk membentuk fungsi likelihood parsial dalam penaksiran parameter.

---

Probit Model is one of discrete choice model whose error is assumed to be independent, normal distributed, and homoscedastic. Probit model whose error component from observations on a location that depends on error components on the other location is called spatial error probit model. Parameters of spatial error probit model will be estimated by partial maximum likelihood in two ways. The first way is to take into account the variance of the error in the form of the partial likelihood function.

The second is to form n groups from 2n observations at different location, which each group consists of two observations at different location. Furthermore, by taking into account the correlation between errors in a group, the probability density function of each group will be formed, and later will be used to form a partial likelihood function in parameter estimation."

"Tugas akhir ini bertujuan menjelaskan prosedur penaksiran parameter model survival bivariat yang dibangun melalui copula dengan menggunakan metode Pseudo likelihood. Pada tugas akhir ini diberikan suatu contoh penggunaan copula dalam memodelkan data pasangan survival time yang tersensor kanan. Fungsi survival bivariat dari pasangan-pasangan survival time yang tersensor kanan ini dibentuk dengan menggunakan copula yang berasal dari famili copula Clayton. Pada model survival bivariat yang berbasis copula, diperoleh parameter yang merupakan parameter dependensi. "

"Data Panel merupakan kombinasi dua jenis data yaitu data cross section dan data time series. Tujuan dari penulisan tugas akhir ini adalah mencari taksiran parameter pada model regresi untuk data panel yang tidak lengkap (incomplete panel data regression models) dengan komponen error satu arah (one-way error component). Selain itu model regresi tersebut merupakan random effect models, yang berarti perbedaan karakteristik individu dan waktu diakomodasikan pada komponen error dari model.Metode yang digunakan untuk menaksir parameter adalah metode Feasible Generalized Least Squares (FGLS). Pada metode tersebut, matriks kovarians error tidak diketahui, sehingga perlu dilakukan penaksiran terhadap komponen variansi yang terdapat pada matriks kovarians error tersebut. Metode yang digunakan untuk menaksir komponen variansi adalah modifikasi metode penaksiran ANOVA yang diusulkan oleh Wallace dan Hussain."

"Life table multivariat merupakan salah satu metode pada analisis ketahanan yang dapat digunakan untuk rnenggambarkan ketahanan individu yang memperhatikan karakteristik-karakteristik dari individu tersebut. Tugas akhir ini membahas suatu metode pembentukan model yang sesuai untuk penaksiran life table multivariat. Metode ini menggunakan data ketahanan dan disebut metode hazard dengan pendekatan tabel kontngensi. Model yang didapat disebut model hazard. Metode hazard ini dapat menangani masalah sensor dan dapat menganalisis waktu ketahanan yang terdistribusi secara eksponensial sepotong-sepotong. Karena nlenggunakan pendekatan tabel kontingensi, variabel-variabel yang diamati harus diperlakukan secara kategorik. Penaksiran parameter-parameter model hazard menggunakan metode likelihood. Sedang pengujian hipotesis untuk pemilihan model yang tepat menggunakan metode rasio likelihood. Penerapan metode hazard dengan pendekatan tabel kontingensi ini digunakan untuk menganalisis faktor-faktor yang mempengaruh kematian bayi dan anak, berdasarkan data Survei Prevalensi Kotrasepsi Indonesia tahun 1987. Faktor-faktor yang diamati sebagai kovariat-kovariatnya, antaral ain: lingkungan rumah tangga, usia ibu waktu melahirkan, urutan dan jarak kelahiran, tempat dan penolong persalinan, status ekonomi keluarga, pendidikan ibu, dan keterpaparan terhadap informasi."

"Tugas akhir ini membahas mengenai penggunaan metode Maksimum Likelihood (ML) dan Bayes dalam penaksiran parameter shape 𝛽 pada distribusi Kumaraswamy. Kedua metode tersebut akan dibandingkan berdasarkan Mean Square Error (MSE) yang diperoleh dari masing-masing taksiran. Pada metode Bayes digunakan dua fungsi Loss yaitu Square Error Loss Function (SELF) dan Precautionary Loss Function (PLF). Selanjutnya, akan dibandingkan Resiko Posterior yang diperoleh dari kedua fungsi loss tersebut. Hasil yang diperoleh dari perbandingan tersebut diterapkan pada data hidrologi sebagai rekomendasi metode terbaik yang dapat menggambarkan data tersebut.

---

This paper disscusses about Maximum Likelihood (ML) and Bayes method in estimating the shape β parameter in Kumaraswamy distribution. Both of the methods will be compared according to Mean Square Error (MSE) obtained from each estimator. At Bayes method, it will be used two Loss functions, those are Square Error Loss Function (SELF) and Precautionary Loss Function (PLF). Then, Posterior Risk obtained from both of loss functions will be compared. The comparison will be applied to hydrological data as a recommendation for the best method in representating the data."

"Menurut Peraturan Otoritas Jasa Keuangan Nomor 14/POJK.05/2015 tentang retensi dan Dukungan Reasuransi Dalam Negeri, kesehatan keuangan perusahaan asuransi dipengaruhi oleh retensi dan dukungan dari reasuransi. Perusahaan wajib memiliki dan menerapkan retensi dalam menanggung risiko (data klaim dari nasabah atau pihak tertanggung) atau liabilitasnya. Penerapan batas retensi sebagaimana yang dimaksud ialah wajib didasarkan pada profil risiko dan kerugian yang dibuat secara tertib, teratur dan relevan. Dalam teori risiko asuransi, salah satu masalah besar yang berkaitan dengan risiko asuransi adalah evaluasi terhadap ruin probability yaitu probabilitas sesaat dimana nilai dari surplus perusahaan asuransi mengalami defisit atau minus. Agar model perhitungan terhadap ruin probability dapat berfungsi optimal, distribusi ukuran klaim dan detail data klaim harus diketahui. Hal ini sulit dilakukan dalam dunia praktis karena berbagai alasan yang salah satunya kesalahan pengimputan data yang mungkin dilakukan oleh perusahaan. Oleh karena itu dilakukan aproksimasi ruin probability dengan menggunakan metode De Vylder yang memungkinkan penggunaan data yang tidak lengkap. Dengan tidak lengkapnya data dari ukuran klaim individu, ide penting dari metode De Vylder adalah untuk mengubah proses risiko compound Poisson dengan klaim umum oleh proses risiko compound Poisson dengan klaim eksponensial. Setelahnya, dilakukan proses menyamakan tiga momen pertama dari proses risiko dengan klaim umum sama dengan tiga momen pertama dari proses risiko dengan klaim eksponensial. Oleh karena itu, ruin probability dalam proses risiko dengan klaim umum diaproksimasi dengan ruin probability dalam proses risiko dengan klaim eksponensial. Untuk memenuhi kebutuhan aproksimasi De Vylder, aproksimasi translated Gamma diadopsi untuk mengaproksimasi premi yang diterima dan tiga momen pertama dari ukuran klaim (setelah modifikasi retensi reasuransi) sebagai komponen dari aproksimasi De Vylder. Aproksimasi dengan translated Gamma distribution dilakukan karena umumnya distribusi ukuran klaim yang sering bersifat positively skewed, nonnegatif support, dan unimodal. Kemudian setelah itu dilakukan aproksimasi retensi optimal berdasarkan hasil aproksimasi De Vylder ruin probability yang minimum. Model retensi yang digunakan merupakan pengembangan kombinasi dari metode quota share dan stop- loss. Sebagai ilustrasi, beberapa contoh numerik disertakan untuk menunjukkan beberapa kasus permasalahan pada aproksimasi ruin probability dengan retensi yang optimal.

---

According to Peraturan Peraturan Otoritas Jasa Keuangan Nomor 14/POJK.05/2015 tentang retensi dan Dukungan Reasuransi Dalam Negeri, the insurance company's financial health was influenced by its own retention and support from reinsurance. The company has a mandatory and apply its own loan in enduring risk (claims data from the customers or its liability). The application of the retention limit itself as referred to must be based on a risk and loss profile that is made regularly, regularly and relevantly. In the theory of insurance risk, one of the major problems related to insurance risk is the evaluation of the ruin probability, namely the instantaneous probability that the value of the insurance company's surplus is in deficit or minus. In order for the calculation model of ruin probability to function optimally, the distribution of claim sizes and details of claim data must be known. This is difficult to do in the practical world because of various kinds of errors, one of which is data entry that may be made by the company. Therefore, an approximation of ruin probability was carried out by using the De Vylder method which allows the use of incomplete data. With incomplete information of individual claim measures, the important idea of the De Vylder method is to replace the Poisson compound risk process with the general claims by Poisson compound risk process with exponential claims. Then, making the first three moments of the general claims risk process the same with the corresponding of process risk with exponential claims. Therefore, the ruin probability in the risk process with general claims is approximated by the ruin probability in the risk process with exponential claims, which has a closed and explicit form. To meet the needs of the De Vylder approximation, the translated gamma approximation is adopted to approximate the premium received and the first three moments of the claim size (after reinsurance) as a component of the De Vylder approximation. The approximation is done by translated gamma distribution because generally the distribution of the available claim sizes is often positively skewed, non-negative support, and unimodal. Then, the optimal retention would be approximated based on results of the minimum ruin probability approximation using the De Vylder method. The retention model used is the development of a combination quota share and stop-loss methods. For illustration purposes, several numerical examples are included to demonstrate a few of cases on ruin probability approximation with optimal retention."