Hasil Pencarian  ::  Simpan CSV :: Kembali

"The jackknife and the bootstrap are nonparametric methods for assessing the errors in a statistical estimation problem. They provide several advantages over the traditional parametric approach: the methods are easy to describe and they apply to arbitrarily complicated situations; distribution assumptions, such as normality, are never made. This monograph connects the jackknife, the bootstrap, and many other related ideas such as cross-validation, random subsampling, and balanced repeated replications into a unified exposition. The theoretical development is at an easy mathematical level and is supplemented by a large number of numerical examples. The methods described in this monograph form a useful set of tools for the applied statistician. They are particularly useful in problem areas where complicated data structures are common, for example, in censoring, missing data, and highly multivariate situations."

"ABSTRAKTugas akhir ini membahas teori metoda jakknife. Jackknife adalah suatu metoda untuk mereduksi bias dari suatu penaksir dengan penggunaan ulang sampel. Hasil procedur ini biasanya suatu penaksir yang hampir tidak bias. Juga dibahas aplikasinya pada taksiran ratio dan analisa diskriminan."

"ABSTRAKAnalisis Variansi adalah suatu teknik dalam statistika untuk menguji perbedaan mean lebih dari dua kelompok dengan adanya faktor yang dapat mempengaruhi perbedaan mean tersebut. Analisis variansi terdapat tiga jenis, yaitu analisis variansi satu arah, analisis variansi dua arah, dan analisis variansi multi-arah. Pada tugas akhir ini, akan dibahas mengenai analisis variansi dua arah. Pengujian statistik pada analisis variansi didasarkan oleh uji F. Dalam melakukan analisis variansi dua arah, terdapat asumsi yang harus dipenuhi, yaitu pengamatan dalam sel atau kelompok harus berdistribusi normal, pengamatan antar sel atau kelompok saling independen, dan variansi antar sel atau kelompok bersifat homogen. Masalah yang sering terjadi pada analisis variansi dua arah adalah asumsi yang tidak terpenuhi, salah satunya variansi antar sel atau kelompok bersifat heterogen. Dengan menggunakan uji F saat variansi antar sel heterogen, membuat hasil p-value tidak valid. Tugas akhir ini berisi pembahasan metode untuk mengatasi permasalahan tersebut. Metode yang digunakan, adalah bootstrap parametrik yang diperkenalkan oleh Khrisnamoorthy 2007. Dengan melakukan simulasi, metode ini menghasilkan p-value yang lebih stabil saat melakukan analisis variansi dua arah dengan variansi antar sel heterogen.

---

ABSTRACTThe analysis of variance is a technique in statistics to test the mean differences of more than two groups in the presence of factor that can effect the mean difference. There are three types of variance analysis, namely one way analysis of variance, two way analysis of variance, and multi way analysis of variance. In this final project, will be discussed about two way variance analysis. Statistical test on analysis of variance based on F test. In peforming analysis of variance, there are assumptions that must be fulfilled such as the observation in each cell or group must be normally distributed, observation between cells or group are mutually independent, and variance between cells or group are homogeneous. The most common problem that happened with two ways analysis of variance is unfulfilled assumptions, one of them is variance between cells or group are heterogeneous. By using the F test when the variance between cells or group are heterogenous makes the results p values is invalid. In this final project contains a method discussion to overcome the problem. The method used namely parametric bootstrap introduced by Khrisnamoorty 2007 . By performing the simulation, this method produces a more stable p value when conducting two ways analysis of variance with variance between cells or gorup are heterogeneous."

"Analisis regresi adalah salah satu metode yang digunakan dalam menganalisisdata. Metode yang sering digunakan untuk menaksir parameter dalam modelregresi linier adalah ordinary least square OLS. Metode OLS akan memberikantaksiran terbaik ketika semua asumsinya terpenuhi. Namun pada kenyataannya,asumsi tersebut seringkali tidak terpenuhi. Asumsi yang seringkali tidak terpenuhiadalah adanya multikolinieritas dan adanya pencilan outlier. Multikolinieritasakan membuat variansi taksiran parameter regresi menjadi sangat besar, sedangkanoutlier akan membuat taksiran parameter menjadi bias. Jika kedua pelanggaranasumsi ini terjadi pada data yang akan dianalisis digunakan robust jackknife ridgeregression. Robust jackknife ridge regression adalah regresi yang punya sifatrobust sehingga tidak terpengaruh oleh outlier dan menggunakan metode ridgeuntuk mengatasi masalah multikolinieritas serta menggunakan metode jackknifeuntuk mereduksi bias yang dihasilkan metode ridge. Metode yang digunakanuntuk mencapai sifat robust adalah MM-estimation sehingga taksiran yangdihasilkan punya breakdown point serta efficiency yang tinggi.

---

Regression Analysis is one of many methods used for analyzing data. Method thatusually used for estimating parameter in linear regression model is ordinary leastsquare OLS . OLS will give best estimator when all the assumptions are met. Butin reality, sometimes not all the assumptions are met. Assumptions that usuallyviolated are multicollinearity and outlier. Multicollinearity will make variance ofthe estimated parameter become large, while outlier will make the estimatedparameter become biased. If this two violation of assumptions happened, robustjackknife ridge regression is used. Robust jackknife ridge regression is regressionthat have robust property so that it will not affected by outlier and using ridgemethod to handle multicollinearity with jackknife method to reduce biased fromridge method. Method used to achieve robust property is MM estimation so thatthe estimated parameter have high breakdown point and high efficiency."

"ABSTRAKPrediksi dari besar klaim yang belum terselesaikan (outstanding claims) memegang peranan penting, mengingat perusahaan asuransi selalu dituntut untuk dapat menyediakan cadangan yang cukup guna menutupi pembayaran klaim di masa yang akan datang. Salah satu metode prediksi yang sering digunakan adalah metode Bornhuetter-Ferguson. Metode Bornhuetter-Ferguson termasuk ke dalam metode yang bersifat tradisional. Saat ini, metode prediksi yang bersifat tradisional telah banyak dikembangkan. Dalam hal ini, perhitungan cadangan klaim tidak dilakukan untuk menunjukkan kegagalan perhitungan cadangan klaim secara tradisional, melainkan lebih memberikan penekanan pada ketersediaan ukuran kesalahan prediksi dan distribusi prediksi dari cadangan klaim. Oleh karena itu, prediksi cadangan klaim dilakukan dengan menerapkan bootstrap pada metode Bornhuetter-Ferguson agar diperoleh informasi dari kesalahan prediksi dan distribusi prediksi dari cadangan klaim.

---

ABSTRACTPrediction of outstanding claims has an important roles considering insurance companies are required to allocate sufficient reserves for future payment of claims. One of the prediction methods that can be used is Bornhuetter Ferguson method. Bornhuetter Ferguson method is a traditional method to predict the outstanding claims. Nowadays, the traditional method has many been developed. In this case, the calculation of claim reserves are not done to show the failure of calculation in traditional way, but more to give an emphasis on the error availability and predictive distribution from the claim reserves. Therefore, claim reserves prediction is performed by applying bootstrap on the Bornhuetter Ferguson method to obtain the information about error and predictive distribution from the claim reserves."

"Tugas akhir ini secara umum bertujuan untuk membahas latent class model yaitu suatu model yang menghubungkan probabilitas respon suatu individu untuk variabel-variabel indikator dengan suatu variabel laten yang bersifat kategorik. Penaksiran parameter dalam latent class model menggunakan taksiran Maximum Likelihood, yang dicari melalui algoritma EM (Expectation-Maximization). Kecocokan model diuji dengan uji rasio likelihood. Model terbaik dengan banyak kelas optimal dipilih berdasarkan reduksi 2 L , dimana 2 L adalah nilai statistik uji untuk banyak kelas terkait. Berdasarkan banyak kelas yang terbentuk pada model terbaik ini, individu-individu akan dikelompokkan ke dalam kelas-kelas tersebut. Metode tersebut akan diterapkan untuk mencari latent class model dengan tingkatan gejala pasien demam berdarah sebagai variabel laten kategorik yang dibentuk dari 5 variabel indikator kategorik, yaitu transfusi, nadi, tekanan darah, hb darah, dan trombosit. Hasil analisis data menunjukkan bahwa tingkatan gejala demam berdarah dapat dikategorikan menjadi 3 kelas."

"Topics emphasized include nonparametric density estimation as an exploratory device plus the deeper models to which the exploratory analysis points, multi-dimensional data analysis, and analysis of remote sensing data, cancer progression, chaos theory, epidemiological modeling, and parallel based algorithms. New methods discussed are quick nonparametric density estimation based techniques for resampling and simulation based estimation techniques not requiring closed form solutions."