Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Cadangan klaim merupakan salah satu permasalahan utama pada perusahaan asuransi. Kurang tepatnya perhitungan estimasi cadangan klaim dapat mempengaruhi kesehatan dari perusahaan asuransi. Banyak metode yang telah dikembangkan peneliti-peneliti untuk mengestimasi nilai cadangan klaim. Salah satu metode yang paling sering digunakan dalam mengestimasi cadangan klaim di dunia asuransi adalah metode Chain-Ladder dan variasinya. Selain Metode tersebut Hudecova dan Pesta 2013 mengembangkan metode terbaru yaitu Generalized Estimating Equations GEE . Metode GEE merupakan pengembangan dari metode Generalized Linear Method. Keunggulan metode GEE dengan metode GLM adalah pada metode GEE memiliki pemodelan dari hubungan antara periode kejadian dan periode pengembangan pada data. Metode ini juga dapat melakukan estimasi tanpa memerlukan informasi distribusi dari data.Pada penelitian ini akan mencoba untuk melakukan estimasi perhitungan cadangan klaim dengan menggunakan metode Generalized Estimating Equations GEE . Tujuan utama dalam penelitian ini adalah menerapkan serta membandingkan metode GEE dengan Chain-Ladder. Data yang digunakan dalam penelitian ini adalah data klaim lini bisnis asuransi kendaraan bermotor PT XYZ selama tahun 2015 yang masuk pada jenis bisnis short-tail. Hasil estimasi metode GEE lebih akurat dibandingkan dengan estimasi yang dihasilkan metode Chain-Ladder berdasarkan data klaim yang terjadi pada tahun 2016. MAPE GEE dengan struktur korelasi exchangeable yang digabungkan dengan fungsi varians linier memiliki tingkat kesalahan terkecil, yaitu sebesar 55 .

---

ABSTRACT
Claim reserve is one of the biggest problem in insurance company. Inaccurate calculations of claim reserve could lead to downfall of insurance company. There is a lot of methods developed by the experts to estimate the amount of claim reserve. One of the most famous method is Chain Ladder. In addition to the method that already mentioned, Hudecova and Pesta 2013 have developed a new method, which called as Generalized Estimating Equation GEE . This method form as the development of Generalized Linear Method method. The advantage of GEE method with GLM method is the method has modelling out of the relation between the accident period and the development period of the data. This research would like to test making claim reserve estimation using the Generalized Estimating Equations GEE method. The goals of this research is to apply and compare the GEE method with the most famous method, which is Chain Ladder. The data that been used is historical data from PT XYZ motor insurance company from year 2015 2016 that come under the type of short tail business. The result shows, that the estimation value from GEE method base on actual claim in 2016 period. MAPE GEE with exchangeable correlation structure combined with linear variance function has the smallest error rate, which is 55 .

Abstrak :
ABSTRAK
Penelitian ini menguraikan faktor geometrik median dengan jenis beton hubungannya dengan jenis kecelakaan dan korban meninggal dunia maupun luka pada Jalan Tol Jakarta ? Cikampek, Jalan Tol Jagorawi dan Jalan Tol Purbaleunyi dengan jumlah lajur yang diteliti adalah 2 lajur. Variabel yang telah dievaluasi adalah: lebar lajur, lebar bahu bagian dalam dan lebar bahu bagian luar, lebar median, bentuk median. Bahwa model Ramalan Kecelakaan telah dibangun melalui kilometer panjangnya yang menggunakan struktur kesalahan negatif binomial. Tingkat resiko jenis kecelakaan dan tingkat fatalitas korban kecelakaan korban meninggal dunia maupun korban luka diperoleh tiap variabel yang signifikan. Analisis membentuk model ramalan menggunakan Generalized Linear Modeling (GLIM) yang menggunakan struktur non normal error Hasil penelitian ini menunjukkan bahwa variabel volume arus lalu lintas dan lebar lajur mempunyai pengaruh yang cukup signifikan terhadap terjadinya kecelakaan dengan korban luka maupun meninggal dunia selain variabel tersebut variabel lebar median dan jenis median berpengaruh terhadap terjadinya kecelakaan tunggal tidak melibatkan kendaraan lainnya dari arah yang berlawanan. Dan untuk mengurangi korban meninggal dunia maupun luka akibat terjadinya kecelakaan karena median pembatas beton, maka median jalan yang paling sesuai untuk mengurangi fatalitas korban adalah median jalan jenis flexible.

---

Abstract
This research describe median geometric factor with the relation of concrete type of with accident type and death victim and fatalities at Jakarta Toll - Cikampek, Jagorawi Toll and Purbaleunyi Toll with the number of lane that have checked are 2 lanes. Some variables that have been evaluated are: wide of lane, wide of the both side road, wide of median and median form. Prediction Model of Accident have been build through length kilometer using a negative binomial error structure . Risk accident type and victim fatality level accident of victim and fatalities obtained by every significant variable. Shape analysis Prediction Model using generalized linear modeling (GLIM) uses a non normal error. Result of this Research show that traffic current volume variable and wide of lane have enough influence to the accident with injury and Fatalities. Besides that the variable of wide and the type of median also have an effect to the accident which is not involved other vehicle from the adversative direction. To decrease the fatalities and injury of the accident because of the median of concrete as a separator , so it is recommended to use the flexible type of median to decrease fatality.

Abstrak :
ABSTRACT
Model Generalized Space Time Autoregressive adalah suatu model spatio temporal yang merupakan pengembangan model Space Time Autoregressive (STAR). Model STAR adalah model spatio temporal dengan asumsi parameter-parameter sama untuk setiap lokasi. Model GSTAR dibentuk sebagai pengembangan dari model STAR yang memungkinan untuk mengestimasi parameter yang berbeda untuk setiap lokasinya. Borovkova, Lopuhaa dan Ruchjana (2002) mengembangkan model Generelized Space Time Autoregressive (GSTAR) dimana paramater-parameter pada model, berbeda untuk setiap lokasi. Metode kuadrat terkecil (least square method) digunakan untuk mengestimasi parameter pada model GSTAR. Metode kuadrat terkecil merupakan metode pendugaan parameter yang meminimumkan jumlah kuadrat error. Penggunaan model GSTAR pada data penyakit Hepatitis A di 5 kotamadya DKI Jakarta pada tahun 2011-2017 menghasilkan model GSTAR(4,1) sebagai model yang dipilih.

---

ABSTRACT
Generalized Space Time Autoregressive(GSTAR) model is a spatio temporal model which is the development of the Space Time Autoregressive (STAR) model. The STAR model is a spatio temporal model assuming the same parameters for each location. The GSTAR model was formed as a development of the STAR model which makes it possible to estimate different parameters for each location. Borovkova, Lopuhaa and Ruchjana (2002) developed the Generelized Space Time Autoregressive (GSTAR) model where parameters in the model differ for each location. The least square method is used to estimate the parameters in the GSTAR model. The least squares method is a parameter estimation method that minimizes the number of squared errors. The use of the GSTAR model on Hepatitis A data in 5 DKI Jakarta municipalities in 2011-2017 produced the GSTAR (4.1) model as the chosen model.

Abstrak :
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.

Abstrak :

Distribusi Generalized Exponential diperkenalkan oleh Rameshwar D. Gupta dan Debasis Kundu pada tahun 2007. Distribusi  Generalized Exponential tersebut merupakan hasil generalized distribusi Exponential. Skripsi ini menjelaskan distribusi  Generalized Exponential Marshall Olkin yang merupakan hasil dari perluasan distribusi Generalized Exponential menggunakan metode Marshall Olkin. Distribusi Generalized Exponential Marshall Olkin lebih fleksibel dari distribusi sebelumnya terutama pada fungsi hazardnya yang memiliki berbagai bentuk baik monoton (naik atau turun) maupun non monoton (bathub atau upside down bathup) sehingga dapat memodelkan data survival dengan lebih baik. Sifat fleksibelitas ini disebabkan karena penambahan parameter baru ke dalam distribusi Generalized Exponential. Selanjutnya dijelaskan beberapa karakteristik dari distribusi Generalized Exponential Marshall Olkin antara lain fungsi kepadatan peluang (fkp), fungsi distribusi kumulatif, fungsi hazard, momen ke-n, mean, dan variansi. Penaksiran parameter dilakukan dengan metode maximum likehood. Pada bagian aplikasi ditunjukkan data survival yang berasal dari data Aarset (1987) berdistribusi Generalized Exponential Marshall Olkin. Selanjutnya distribusi Generalized Exponential Marshall Olkin dibandingkan dengan distribusi Alpha Power Weibull untuk mencari distribusi mana yang lebih cocok dalam memodelkan data Aarset (1987). Dengan menggunakan AIC dan BIC distribusi Generalized Exponential Marshall Olkin lebih cocok dalam memodelkan data Aarset (1987).

 

---

Generalized Exponential distribution was introduced by Rameshwar D. Gupta and Debasis Kundu in 2007. Generalized Exponential distribution was generated by generalized transformation of the Exponential distribution. This thesis explained the Generalized Exponential Marshall-Olkin distribution which is the result of the expansion of the Generalized Exponential distribution using the Marshall-Olkin method. The Generalized Exponential Marshall-Olkin distribution has a more flexible form than the previous distribution, especially in its hazard function which has various forms that it can represent survival data better. The flexibility characteristic is due to the addition of new parameters to the Generalized Exponential distribution. Futhermore, some characteristics of the Generalized Exponential Marshall-Olkin distribution was explained such as, the probability density function(PDF), cumulative distribution function, survival function, hazard function, moment, mean, and variance. Parameter estimation was conducted by using the maximum likelihood method. In the application section was shown survival data from Aarset data (1987) which distributed Generalized Exponential Marshall-Olkin distribution. Futhermore, Generalized Exponential Marshall-Olkin distribution was compared with Alpha Power Weibull disstribution to decided theprominent distribution in modeling Aarset data (1987). Using AIC and BIC, Generalized Exponential Marshall-Olkin distribution more suitable in modeling Aarset data (1987).

Abstrak :
Salah satu metode yang cocok untuk mengatasi data berkorelasi adalah Generalized Estimating Equations (GEE). GEE dibagi menjadi 2 model regresi, yaitu model regresi population-averaged (PA) dan model regresi cluster-specific (CS). Pada kenyataannya, apabila model regresi CS-GEE yang lebih sesuai, namun model regresi PA-GEE yang digunakan, maka GEE akan menghasilkan penaksiran yang bias. Untuk mengatasinya, dapat digunakan metode yang menggabungkan model regresi PA dan model regresi CS. Metode tersebut dinamakan Exact Generalized Estimating Equations (EGEE). EGEE merupakan perluasan dari Generalized Estimating Equations (GEE) dengan menggunakan matriks varians-kovarians yang sebenarnya yang diperoleh dari variansi total. EGEE dibagi menjadi 2 model regresi, yaitu model regresi dengan single-random effect dan model regresi dengan multiple-random effects. Tugas akhir ini membahas mengenai penaksiran parameter model regresi dengan metode EGEE untuk multiple-random effects pada kasus variabel respon yang berdistribusi Poisson. ......One of the appropriate method to solve the correlated data is Generalized Estimating Equations (EGEE). GEE is divided into 2 regression models, there are population average (PA) regression model and clustered-specific (CS) regression model. In fact, if the data follow CS regression model, but PA regression model is used, then GEE leads to biased estimates. To solve this problem, it can be used the method for combining PA regression model and CS regression model. The method is Exact Generalized Estimating Equations. EGEE is an extension of Generalized Estimating Equations (GEE) with the exact variance-covariance matrix. EGEE is divided into 2 regression models, there are regression model for single-random effect and regression model for multiple-random effects. This thesis discussed about estimating regression parameter of EGEE for multiple-random effects with the response variable from Poisson distribution.