Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam dunia sekarang ini pemodelan sistem menjadi hal yang penting dalam pengembangan dunia teknologi. Berbagai cara telah dilakukan untuk membuat algoritma pemodelan sistem yang baik dan tantangan yang dihadapi pun semakin banyak. Salah satunya tantangan yang perlu dihadapi adalah adanya sistem yang kompleks. Dalam contoh praktis, penggunaan model sistem multivariabel dalam menggambarkan sistem sungguhan sudah menjadi hal yang umum untuk memenuhi tuntutan zaman. Salah satu usaha untuk dapat memodelkan sistem multivariabel adalah dengan menggunakan algoritma machine learning dengan struktur artificial neural network. Algoritma ini memiliki kemampuan untuk dapat meningkatkan performanya secara otomatis sehingga diharapkan dapat membangun pemodelan yang terbaik untuk sistem yang ingin dimodelkan secara otomatis juga sehingga dapat memudahkan kerja manusia tanpa harus membangun persamaan matematis secara manual terlebih dahulu. Studi ini ingin memelajari hasil yang didapatkan dari percobaan pemodelan sistem dinamik pesawat terbang dengan menggunakan artificial neural network dan menjadikan hasil studi tersebut bahan pengembangan lebih lanjut dalam teknologi pemodelan sistem menggunakan artificial neural network. ......In the modern world, system modelling becomes an important part of technology development. Various ways have been done to create good system modelling algorithms and with that more and more challenge comes. One of the challenges that need to be faced is the existence of complex systems. For example, using multivariable system model to represent real world system is becoming common nowadays to fulfil demands. One effort to model a multivariable system is to use machine learning algorithms with artificial neural network structures. This algorithm has the capability to be able to improve its performance automatically so it is expected to build the best model parameter for the system that wants to be modelled. Also, this helps to make modelling easier for human without having to build a mathematical equation manually first. This study wanted to present the results from experimental modelling of aircraft dynamic systems by using artificial neural network and with that contribute to the development of system modelling technology using artificial neural network.

Abstrak :
Salah satu pendekatan yang dapat digunakan dalam perhitungan cadangan klaim pada perusahaan asuransi adalah teori kredibilitas, yang memungkinkan perhitungan cadangan klaim dilakukan dengan mengombinasikan data pembayaran klaim pada portfolio terkait dengan informasi lainnya, contohnya adalah data pembayaran klaim dari porfolio lain yang similar. Pada tugas akhir ini, digunakan model kredibilitas Bühlmann-Straub untuk perhitungan cadangan klaim. Lebih jauh lagi, pada umumnya perhitungan total cadangan klaim pada suatu perusahaan dilakukan dengan menghitung cadangan klaim pada masing-masing lini bisnis yang ada di perusahaan tersebut, kemudian cadangan klaim untuk perusahaan tersebut (aggregate reserve) diperoleh dengan menjumlahkan cadangan klaim pada masing-masing lini bisnis. Dengan mempertimbangkan kemungkinan adanya korelasi antara lini bisnis yang ada pada perusahaan asuransi, nilai aggregate reserve sesungguhnya dapat bernilai lebih kecil dari penjumlahan cadangan klaim pada masing-masing lini bisnis yang ada. Karenanya, penelitian mengenai perhitungan cadangan klaim kemudian berkembang dengan mempertimbangkan data pembayaran klaim dari berbagai lini bisnis pada suatu perusahaan, atau disebut juga dengan perhitungan cadangan klaim dalam konteks multivariat. Pada tugas akhir ini, dilakukan penelitian mengenai pembentukan model kredibilitas Bühlmann-Straub multivariat untuk perhitungan cadangan klaim beserta dengan estimasi parameter-parameter model tersebut. Model yang telah terbentuk kemudian digunakan untuk menghitung cadangan klaim pada tiga lini bisnis di perusahaan asuransi. Error prediksi pada masing-masing lini bisnis dengan menggunakan model kredibilitas BA¼hlmann--Straub multivariat adalah sebesar 0,7899%, 2,9286%, and 0,8239%, sedangkan error prediksi pada masing-masing lini bisnis dengan menggunakan model kredibilitas B¼hlmann-Straub standar adalah sebesar 0,7954%, 2,9438%, and 0,8726%. Tampak bahwa error prediksi dengan model kredibilitas B¼hlmann-Straub multivariat lebih kecil dibanding error prediksi dengan model kredibilitas BA¼hlmann-Straub standar.

---

One of the approaches that can be used in the calculation of claim reserve in insurance companies is A credibility theory, which allows the calculation of claim reserve by combining claim payment data from related run-off triangle with other information, for example, claim payment data from the other run-off triangles that is similar. In this thesis, the A BA¼hlmann-Straub credibility model is used in the calculation of claim reserve. Furthermore, in general, the calculation of claim reserve in a company is done by calculating the claim reserve in each line of business in the company, then the total claim reserve for the company (aggregate reserve) is obtained by adding up the claim reserve in each line of business. Taking into account the possibility that there is correlation between the existing lines of business in insurance companies, the value of A aggregate reserve can actually be less than the sum of the claim reserve in each of the existing line of business. Therefore, research on the calculation of claim reserve then evolves by considering claim payment data from various lines of business in a company, or also called claim reserve calculation in multivariate context. In this thesis, a research is conducted on the development of multivariateA BA¼hlmann-Straub credibility model for claim reserving along with estimation for parameters of the model. The model is used to calculate claim reserve for three lines of business in insurance company. The error of predictions for each line of business by using multivariateA BA¼hlmann-Straub credibility model are 0,7899%, 2,9286%, and 0,8239%, meanwhile the error of predictions for each line of business by using standardA BA¼hlmann-Straub credibility model are 0,7954%, 2,9438%, and 0,8726%. It appears that the error of multivariateA BA¼hlmann-Straub credibility model is lower than the error of standardA BA¼hlmann-Straub credibility model.

Abstrak :
ABSTRACT
Perhitungan nilai premi oleh perusahaan asuransi dilakukan dengan memanfaatkan alat ukur risiko. Prinsip Premi Multivariat Berbobot (PPMB) digunakan sebagai alat ukur risiko untuk menghitung nilai premi pada asuransi pertanian. PPMB dapat mengintegrasikan faktor risiko eksternal sebagai informasi tambahan ke dalam perhitungan premi. Faktor risiko eksternal merupakan faktor risiko lain selain faktor risiko internal (faktor risiko yang telah ditentukan oleh perusahaan asuransi sebagai prasyarat pengajuan klaim oleh petani). Karena terdapat faktor eksternal dalam perhitungan premi, dimanfaatkan distribusi multivariat untuk menggambarkan penyebaran nilai peluang dari variabel keru-gian dan faktor eksternal. Dalam PPMB, faktor risiko eksternal digunakan untuk memberi ulang bobot pada data kerugian pertanian historis. Pembobotan tersebut bertujuan untuk melengkapi ketidaklengkapan data kerugian yang ada agar bisa mendapatkan perhitungan premi yang lebih akurat. Memanfaatkan faktor risiko eksternal dalam perhitungan premi dapat mengakibatkan bertambahnya nilai premi. Tambahan nilai pada premi dise- but dengan risk loading. Dengan pemilihan faktor risiko eksternal yang tepat, prinsip premi multivariat berbobot memiliki risk loading yang meningkat.

---

ABSTRACT
Insurance pricing is set using the risk measurement tool. Multivariate weighted premium principle (MWPP) is used as the risk measurement tool in crop pricing. MWPP integrate external factors as additional information in pricing. External factors are the different risks from internal factors (risks factors set by insurer as the precondition for farmers to submit claims). Because there are external factors to consider in pricing, multivariate distribution is used to find the pricing formula. In MWPP external factors are used to reweight the historical loss data. The purpose of reweighting is to fill the incompleteness of historical loss data and improve the accuracy of pricing. Utilizing risk external factors can add more values to the pricing. Those additional values are called risk loading. Choosing the right and suitable external factors can make pricing with MWPP have increasing relative risk loading.

Abstrak :

Keberhasilan ekonomi merupakan suatu indikator yang baik dari sebuah masyarakat yang kaya. Meskipun demikian, ada banyak faktor lain yang memengaruhi kekayaan dan kesejahteraan masyarakat suatu negara seperti tingkat kebebasan pribadi, lingkungan hidup, dan pendidikan, yang merupakan elemen penting dalam menciptakan suatu masyarakat yang makmur. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang membentuk kemakmuran 149 negara di dunia selama tahun 2018. Dalam penelitian ini 74 variabel yang diambil dari Legatum Prosperity IndexTM digunakan, kecuali variabel-variabel yang berasal dari Gallup World Poll karena ketidaktersediaan data. Data dianalisis menggunakan Analisis Faktor, dan direduksi menjadi 13 faktor yang menggambarkan tentang berbagai aspek penting dalam kehidupan. Seratus empat puluh sembilan negara tersebut dikelompokkan berdasarkan skor faktor masing-masing negara menggunakan pengklasteran metode Ward menjadi 4 kelompok berbeda dengan masing-masing klaster beranggotakan negara-negara yang memiliki karakteristik yang serupa. Diperoleh bahwa Klaster 1 merupakan kelompok negara-negara yang secara keseluruhan makmur, Klaster 2 merupakan kelompok negara-negara yang cukup makmur dalam hal masyarakat yang inklusif, Klaster 3 merupakan kelompok negara-negara dengan tingkat kemakmuran yang cukup, dan Klaster 4 merupakan kelompok negara-negara yang cukup makmur dalam hal masyarakat yang berdaya serta ekonomi yang bebas.

---

Economic achievement is a good indicator of a wealthy society. Nevertheless, there are many other factors that affect in shaping the wealth and well-being of the people in a country, such as the level of personal freedom, the environment, and education which are important elements in creating a prosperous society. The aim of this study is to identify the factors that shape the prosperity of 149 countries in the world during 2018. In this study 74 variables taken from the Legatum Prosperity IndexTM are used, excluding variables originating from the Gallup World Poll due to data unavailability. The data is reduced using Factor Analysis into 13 factors that describe various aspects of life. The 149 countries are clustered based on their factor scores using Wards Clustering into 4 distinct groups of countries with similar features. It is revealed that Cluster 1 consists of countries that are overall prosperous, Cluster 2 consists of countries that are quite prosperous in terms of an inclusive society, Cluster 3 consists of countries with sufficient levels of prosperity, and Cluster 4 consists of countries that are quite prosperous in terms of an empowered society and a free economy.

Abstrak :
For over 30 years, this text has provided students with the information they need to understand and apply multivariate data analysis. This text provides an applications-oriented introduction to multivariate analysis for the non-statistician. By reducing heavy statistical research into fundamental concepts, the text explains to students how to understand and make use of the results of specific statistical techniques. In this revision, the organization of the chapters has been greatly simplified. New chapters have been added on structural equations modeling, and all sections have been updated to reflect advances in technology, capability, and mathematical techniques.