Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDengan menggunakan Jensen’s alpha dan bootstrap penelitian meneliti apakahkemampuan stock selection dari manajer investasi pada 77 reksa dana saham diIndonesia periode Januari 2007 hingga Oktober 2013 disebabkan olehkeberuntungan manajer investasi atau benar-benar menunjukkan kemampuan darimanajer investasi. Hasil penelitian menunjukkan bahwa terdapat reksa danasaham di Indonesia yang memiliki kemampuan stock selection dan hasil bootstrapmenunjukkan bahwa terdapat reksa dana saham di Indonesia yang memilikikemampuan stock selection yang tidak disebabkan oleh keberuntungan manajerreksa dana saham.

---

ABSTRACTUsing Jensen’s alpha and bootstrap, this study try to distinguish wether Indonesiastock mutual funds, from January 2007 to October 2013, have a genuine stockselection or wether manager’s talent were not the sole factor of the mutual fundperformance. The result found that some of Indonesia stock mutual fundmanager’s do have stock selection ability with no manager’s luck attributed to themutual fund performance."

"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."

"ABSTRAKSaat ini nilai klaim IBNR (Incurred But Not Reported) dihitung berdasarkan estimasi sentral atau estimasi terbaik (best estimates) atas klaim yang sudah terjadi tetapi belum dilaporkan dengan menggunakan metode rasio klaim atau salah satu dari metode segitiga (triangle method). Metode segitiga yang digunakan dalam industri asuransi adalah metode Chain Ladder (MCL). MCL adalah metode yang umum digunakan di industri asuransi untuk memperkirakan jumlah cadangan klaim. Namun, MCL tidak didasarkan atas teori matematika maupun statistik sehingga sulit dijelaskan secara teori, selain itu jumlah cadangan klaim yang dihasilkan tidak dapat dipisahkan ke dalam RBNS (Reported but Not Settled) dan IBNR. Melalui jurnal yang ditulis oleh Miranda et al. (2012) diperkenalkan metode baru yang disebut Double Chain Ladder (DCL), dimana MCL diaplikasikan dua kali terhadap incurred count dan paid claims data. DCL memberikan teori statistika terhadap MCL, dengan menggunakan parameter-paremeter tertentu untuk mengestimasi RBNS dan IBNR dengan menambahkan parameter delay time dari klaim dilaporkan sampai dengan klaim dibayarkan. Hasil perhitungan cadangan berdasarkan DCL untuk RBNS adalah sebesar Rp. 37.169.681.816,00 dan IBNR sebesar Rp. 58.280.429.263,60, sehingga total cadangan klaim sebesar Rp. 95.450.110.000,00. Sedangkan cadangan klaim dengan MCL adalah sebesar Rp. 85.750.734.043,00.

---

ABSTRACTCurrently the calculation of the amount of IBNR value in accordance with the technical provisions can be calculated based on central estimates or best estimates on claim incurred but not reported using the expected loss ratio method or one of the methods of the triangle (triangle method). The One triangle method used in the insurance industry is the Chain Ladder Method (CLM). CLM is an actuarial method which is quite well known in the insurance industry and applied to estimate the amount of loss reserves. CLM was not based on mathematical statistics so it is difficult to justify theoretically, and CLM is incapable of dividing predicted outstanding liabilities into RBNS and IBNR claims.. However, according to Maria Dolores Martinez Miranda, Jens Perch Nielsen and Richard Verrall through journals published in Astin Bulletin, the CLM unable to separate claim estimates into into RBNS part and IBNR part as a component in the claim reserve. Through the journal introduced a new method called the Double Chain Ladder (DCL). DCL replicated CLM and applied twice, one on the incurred count data and then on the paid claims to perform the calculation of estimated outstanding claims can separate RBNS and IBNR as component of claim reserves as and thus to the total combined future payment estimate. The DCL model give statistic theory to CLM by using a particular estimation parameter method and adding delay time parameter from claim is reported until it is paid. DCL provide further result that CLM is unable to provide, such as the prediction of outstanding liabilities separately for RBNS and IBNR Claims. Calculation result for RBNS is Rp. 37.169.681.816,00 and IBNR is Rp. 58.280.429.263,60, so total claim reserve is Rp. 95.450.110.000,00. Claim reserve using MCL is Rp. 85.750.734.043,00."

"Beberapa tahun belakangan ini, value at risk (VaR) semakin sering digunakan dalam mengukur risiko finansial. Cara yang populer digunakan adalah metode Delta Normal dan metode simulasi Monte-Carlo. Pada tugas akhir ini akan dibahas metode simulasi historis. Metode ini menggunakan data-data terdahulu untuk memperoleh nilai VaR. Terkadang sulit mendapatkan data dalam jumlah yang besar, keadaan ini menimbulkan keraguan mengenai ketepatan hasil taksiran yang diperoleh. Cara yang banyak digunakan dalam mengolah data berukuran kecil agar menjadi lebih layak adalah dengan bootstrap. Sehingga di beberapa literatur, metode simulasi historis disebut juga dengan metode bootstrap. Metode bootstrap ini akan diterapkan pada suatu data penghasilan, sehingga diperoleh taksiran VaR dari data tersebut. Bootstrap layak digunakan karena memberikan suatu nilai taksiran tak bias, dengan variansi yang mengecil. "

"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."

"Interaksi manusia di era yang modern ini dapat dilakukan secara virtual atau melalui media sosial dan platform jejaring sosial. Social networking sites adalah layanan yang memungkinkan pengguna membuat profil publik, berkomunikasi, dan membentuk koneksi dengan orang lain, serta memelihara hubungan dengan orang lain. Twitter adalah salah satu platform media sosial populer, dengan 550 juta pengguna di seluruh dunia. Twitter dikategorikan sebagai situs mikroblog karena kemampuannya dalam memberikan informasi dan interaksi interaktif antar pengguna. Media sosial terutama Twitter juga dapat berdampak pada well-being masyarakat terutama generasi muda salah satunya mahasiswa. Penelitian ini bertujuan untuk mengetahui variabel-variabel yang memengaruhi intensitas penggunaan Twitter, menganalisis profil intensitas penggunaan Twitter mahasiswa aktif di Jakarta, Bogor, Bekasi dan Depok sebagai generasi Z dan menganalisis peran variabel demografi sebagai variabel moderator terhadap hubungan antara variabel independen dengan variabel dependen. Variabel laten yang akan dianalisis adalah intensitas penggunaan Twitter, subjective well-being, psychological well-being, social well-being dan self disclosure. Variabel demografi yang akan dianalisis adalah jenis kelamin, tempat tinggal, asal perguruan tinggi, asal fakultas, tingkat pendapatan, usia, pekerjaan ibu, pekerjaan ayah dan asal SMA. Peneliti menggunakan teknik analisis Partial Least Square, Classification and Regression Tree dan Multi-Group Analysis Partial Least Square dalam penyelesaian masalah penelitian, serta bootstrap untuk mengevaluasi inner model. Data yang digunakan adalah data primer yaitu sebanyak 520 mahasiswa di Jakarta, Bogor, Bekasi dan Depok angkatan 2020, 2021, 2022 dan 2023 yang aktif pada tahun akademik 2023/2024 semester ganjil. Pengambilan sampel dilakukan menggunakan teknik purposive sampling. Hasil dari penelitian ini adalah variabel variabel laten psychological well-being, social well-being dan self disclosure memengaruhi intensitas penggunaan Twitter rendah adalah mahasiswa dengan self disclosure rendah dan psychological well-being tinggi. Variabel demografi jenis kelamin, tempat tinggal, asal perguruan tinggi, asal fakultas, tingkat pendapatan, usia, pekerjaan ibu, pekerjaan ayah dan asal SMA menjadi variabel moderator.

---

In the modern era, human interaction can be conducted virtually or through social media and social networking platforms. Social networking sites are services that allow users to create public profiles, communicate, form connections with others, and maintain relationships. Twitter is one of the popular social media platforms, with 550 million users worldwide. Twitter is categorized as a microblogging site due to its ability to provide information and interactive communication among users. Social media, especially Twitter, can impact the well-being of society, particularly the younger generation, including students. This research aims to understand the variables influencing the intensity of Twitter usage, analyze the usage profiles of active student Twitter users in Jakarta, Bogor, Bekasi and Depok as part of Generation Z, and examine demographic variables as moderators in the relationship between independent and dependent variables. The latent variables to be analyzed include the intensity of Twitter usage, subjective well-being, psychological well-being, social well-being, and self disclosure. The demographic variables to be analyzed include gender, place of residence, university name, faculty of origin, income level, age, mother's occupation, father's occupation, and high school of origin. The researcher employs the Partial Least Square, Classification and Regression Tree, and Multi-Group Analysis Partial Least Square techniques to address the research questions, along with bootstrap for evaluating the inner model. The data used consist of primary data from 520 students in Jakarta, Bogor, Bekasi and Depok from the 2020, 2021, 2022, and 2023 cohorts who were active in the academic year 2023/2024, odd semester. Sampling was done using purposive sampling. The results indicate that the latent variables of psychological well-being, social well-being, and self disclosure significantly influence the intensity of Twitter usage. Students with high Twitter usage intensity tend to have high self disclosure and low social well-being, while those with low Twitter usage intensity have low self disclosure and high psychological well-being. Demographic variables such as gender, place of residence, university name, faculty of origin, income level, age, mother's occupation, father's occupation, and high school of origin serve as moderator variables."

"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."