PEMBANGUNAN SISTEM BONUS MALUS PRAKTIS DARI SISTEM BONUS MALUS OPTIMAL DENGAN MENGGUNAKAN SEBARAN HOFMANN HERU
|
|
- Lanny Hermawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMBANGUNAN SISTEM BONUS MALUS PRAKTIS DARI SISTEM BONUS MALUS OPTIMAL DENGAN MENGGUNAKAN SEBARAN HOFMANN HERU DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
2 18 Lampiran 6 Penghitungan sebaran stasioner dan sebaran transien A. Sebaran stasioner dan sebaran transien untuk λλ 1 =
3 19
4 20
5 21
6 22
7 23
8 B. Sebaran stasioner dan sebaran transien untuk λλ 2 =
9 25
10 26
11 27
12 28
13 29
14 C. Sebaran stasioner dan sebaran transien untuk λλ 3 =
15 31
16 32
17 33
18 34
19 35
20 Lampiran 7 Penghitungan premi sistem bonus malus optimal dengan nilai kk = 0,1,2,3,4 dan tt = 1,2,3,,10 36
21 37
22 38
23 39
24 40
25 41
26 42
27 Lampiran 8 Penghitungan nilai peluang ww(kk, tt, ii) yang digunakan dalam program Lingo 11 untuk mencari premi sistem bonus malus praktis dalam Lampiran 9 43
28 44 kk = 0 kk = 1
29 45
30 46
31 47
32 kk = 2 48
33 49
34 50
35 51
36 52
37 53
38 kk = 3 54
39 55
40 56
41 57
42 58
43 59
44 kk = 4 60
45 61
46 62
47 63
48 64
49 65
50 66 Lampiran 9 Program Lingo 11 untuk menyelesaikan masalah pengoptimum sehingga diperoleh premi setiap kelas untuk λλ 1 = MODEL: sets: banyakklaim/0,1,2,3,4/; tahunklaim/1,2,3,4,5,6,7,8,9,10/; kelas/1,2,3,4,5,6,7,8,9/:c,etakhingga,enol,e2transien,e4transien; links1(banyakklaim,tahunklaim,kelas):w; links2(banyakklaim,tahunklaim):p; endsets DATA: w= ; P= ; etakhingga= , , , , , , , , ; enol= ,0.0562,0.0661,0.0784,0.0421,0.0441,0.0457,0.0429,0.0516; e2transien= , , , , , , , , ; e4transien= , , , , , , , , ; ENDDATA MIN=@sum(banyakklaim(k):@sum(kelas(i):@sum(tahunklaim(t):w(k,t,i)*(P(k,t)- C(5)=100; C(2)>=C(1); C(3)>=C(2); C(4)>=C(3);
51 67 C(5)>=C(4); C(6)>=C(5); C(7)>=C(6); Solution Report dari program Lingo 11 masalah pengoptimuman di atas Local optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: 122 Total solver iterations: 2394 Variable Value Reduced Cost C( 1) C( 2) C( 3) C( 4) C( 5) C( 6) C( 7) C( 8) C( 9) untuk λλ 2 = MODEL: sets: banyakklaim/0,1,2,3,4/; tahunklaim/1,2,3,4,5,6,7,8,9,10/; kelas/1,2,3,4,5,6,7,8,9/:c,etakhingga,enol,e2transien,e4transien; links1(banyakklaim,tahunklaim,kelas):w; links2(banyakklaim,tahunklaim):p; endsets DATA: w=
52 ; P= ; etakhingga= , , , , , , , , ; enol= ,0.0562,0.0661,0.0784,0.0421,0.0441,0.0457,0.0429,0.0516; e2transien= , , , , , , , , ; e4transien= , , , , , , , , ; ENDDATA C(i))^2))); C(5)=100; C(2)>=C(1); C(3)>=C(2); C(4)>=C(3); C(5)>=C(4); C(6)>=C(5); C(7)>=C(6); Solution Report dari program Lingo 11 masalah pengoptimuman di atas Local optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: 10 Total solver iterations: 484 Variable Value Reduced Cost C( 1) C( 2) C( 3) C( 4) C( 5) C( 6) C( 7) C( 8) C( 9) untuk λλ 3 = MODEL: sets: banyakklaim/0,1,2,3,4/; tahunklaim/1,2,3,4,5,6,7,8,9,10/; kelas/1,2,3,4,5,6,7,8,9/:c,etakhingga,enol,e2transien,e4transien; links1(banyakklaim,tahunklaim,kelas):w; links2(banyakklaim,tahunklaim):p; endsets DATA: w=
53 ; P= ; etakhingga= , , , , , , , , ; enol= ,0.0562,0.0661,0.0784,0.0421,0.0441,0.0457,0.0429,0.0516; e2transien= , , , , , , , , ; e4transien= , , , , , , , , ;ENDDATA MIN=@sum(banyakklaim(k):@sum(kelas(i):@sum(tahunklaim(t):w(k,t,i)*(P(k,t)- C(5)=100; C(2)>=C(1); C(3)>=C(2); C(4)>=C(3); C(5)>=C(4); C(6)>=C(5); C(7)>=C(6); Solution Report dari program Lingo 11 masalah pengoptimuman di atas Local optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: 10 Total solver iterations: 482 Variable Value Reduced Cost C( 1) C( 2) C( 3) C( 4)
54 C( 5) C( 6) C( 7) C( 8) C( 9)
55 71 Lampiran 10 Algoritme Lemaire untuk menghitung retensi limit optimal dari pemegang polis dalam sistem bonus malus dengan λλ 1 = A. Retensi limit optimal untuk mm = 0
56 72
57 73
58 74
59 75
60 76
61 77
62 78
63 79
64 80
65 81
66 82
67 83
68 84
69 85
70 86
71 87
72 88
73 89
74 90
75 91
76 92
77 B. Retensi limit optimal untuk mm > 0 93
78 94
79 95
80 ABSTRAK HERU. Pembangunan Sistem Bonus Malus Praktis dari Sistem Bonus Malus Optimal dengan Menggunakan Sebaran Hofmann. Dibimbing oleh I GUSTI PUTU PURNABA dan I WAYAN MANGKU. Sistem bonus malus praktis lebih mudah diaplikasikan dalam dunia nyata karena jumlah kelas yang berhingga. Premi sistem bonus malus praktis dapat dihitung dengan cara meminimumkan jarak antara premi sistem bonus malus praktis dengan premi sistem bonus malus optimal yang bersesuaian. Premi sistem bonus malus optimal dapat dihitung menggunakan sebaran Hofmann. Prinsip nilai harapan merupakan salah satu prinsip yang digunakan untuk menghitung premi sistem bonus malus optimal. Terdapat sistem bonus malus yang hanya mempertimbangkan banyaknya klaim tanpa mempertimbangkan besaran klaim. Fenomena pemegang polis tidak melaporkan klaim yang berukuran kecil karena ingin mendapatkan bonus disebut kelaparan bonus. Retensi limit optimal berfungsi sebagai indikator layak atau tidaknya suatu biaya klaim dilaporkan ke perusahaan. Nilai retensi limit suatu sistem bonus malus praktis dapat dihitung untuk setiap kelasnya. Algoritme Lemaire digunakan untuk menghitung nilai retensi limit optimal tersebut. Kata kunci: sebaran Hofmann, sistem bonus malus optimal, sistem bonus malus praktis, kelaparan bonus, algoritme Lemaire.
81 ABSTRACT HERU. Construction of a Practical Bonus Malus System from an Optimal Bonus Malus System by Using the Hofmann Distribution. Under supervision of I GUSTI PUTU PURNABA and I WAYAN MANGKU. A practical bonus malus system is more easily applied in the real world because it has a finite number of classes. Premium of a practical bonus malus system can be calculated by minimizing the distance between the premium of a practical bonus malus system and the premium of its corresponding optimal bonus malus system. Premium of an optimal bonus malus system can be calculated using the Hofmann distribution. The expected value principle is one of the principles to calculate the premium of an optimal bonus malus system. There is a bonus malus system that considers only the number of claims without considering the amount of the claims. The phenomenon that policyholders are not reporting small claims because they want to get a bonus is called bonus hunger. Optimal retention limit serves as an indicator of the viability whether the claims should be reported or not to the company. The value of retention limit of a practical bonus malus system can be calculated for each class. The Lemaire s algorithm was used to calculate the optimal retention limit. Keywords: Hofmann distribution, optimal bonus malus system, practical bonus malus system, hunger for bonus, Lemaire s algorithm.
82 PEMBANGUNAN SISTEM BONUS MALUS PRAKTIS DARI SISTEM BONUS MALUS OPTIMAL DENGAN MENGGUNAKAN SEBARAN HOFMANN HERU Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
83 Judul Skripsi : Pembangunan Sistem Bonus Malus Praktis dari Sistem Bonus Malus Optimal dengan Menggunakan Sebaran Hofmann Nama : Heru NIM : G Menyetujui, Pembimbing I Pembimbing II Dr. Ir. I Gusti Putu Purnaba, DEA. NIP Dr. Ir. I Wayan Mangku, M.Sc. NIP Mengetahui, Ketua Departemen Matematika Dr. Dra. Berlian Setiawaty, MS. NIP Tanggal Lulus :
84 KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Allah SWT atas segala rahmat dan karunia-nya serta shalawat dan salam kepada Nabi Muhammad SAW sehingga karya ilmiah ini berhasil diselesaikan. Penyusunan karya ilmiah ini juga tidak lepas dari bantuan berbagai pihak. Untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Keluarga tercinta: Ayah, Ibu, dan adikku yang selalu memberikan doa, motivasi, dukungan, kesabaran, kepercayaan, dan kasih sayangnya, serta keluarga besar baik dari Ayah maupun dari Ibu terima kasih atas doanya. 2. Dr. Ir. I Gusti Putu Purnaba, DEA. selaku dosen pembimbing I, terima kasih atas semua ilmu, waktu, kesabaran, motivasi, dan bantuannya selama penulisan skripsi ini. 3. Dr. Ir. I Wayan Mangku, M.Sc. selaku dosen pembimbing II, terima kasih atas semua ilmu, waktu, saran, dan motivasinya selama penulisan skripsi ini. 4. Ir. Retno Budiarti, MS. selaku dosen penguji, terima kasih atas semua ilmu, waktu, saran dan motivasinya. 5. Semua dosen Departemen Matematika FMIPA IPB, terimakasih atas semua ilmu dan nasihat yang diberikan. 6. Staf Departemen Matematika: Pak Yono, Bu Susi, Mas Heri, Pak Bono, Bu Ade, Mas Deni, dan lainnya, terima kasih atas bantuan dan motivasinya. 7. Sahabat Chevron Geothermal Salak: Pak Dali, Pak Gita, Mas Ferdes, Mas Reza, Mas Hasan, Mas Fahri, Irpan, Ka Zaenal, Ka Haikal, Ka Ikhwan, Rhandy, Rizky, Esih, Yani, Nandi, Mella, dan lainnya. 8. Sahabat Beasiswa Perfetti Vanmelle: Pak Anang, Bu Nuning, Pak Ari, Bu Risa, Sarwanto, Didin, Erna, Miftah, Siti, Dina, Arina, Aisyah, dan lainnya. 9. Kakak-kakak Matematika angkatan 42, 43, dan 44: Ka Iput, Ka Kabil, Ka endru, Ka Nyoman, Ka Ruhiyat, Ka Iam, Ka Ririh, Ka Lingga, Ka Abe, Ka Fajar, Ka Wahyu, Ka Wenti dan lainnya, terima kasih atas ilmu, bantuan, dan semuanya. 10. Teman-teman Matematika angkatan 45: Herlan, Prama, Rian, Bram, Khafidz, Kunedi, Wijay, Haryanto, Ari, Dono, Irwan, Ridwan, Hadi, Fikri, Ali, Irma, Rianiko, Ito, Beni, Izzudin, Risman, Wahidi, Chastro, Arbi, Hendri, Dimas, Nurul, Dini, Nova, Agustina, Putri, Devita, Anisa, Haya, Isna, Vivi, Wulan, Fenny, Aci, Bolo, Gita, Mega, Ana, Yunda, Fitriyah, Anggun, Tiwi, Pipin, Ade, Finata, Fuka, Dewi, Mya, Rini, Meidina, dan lainnya, terima kasih atas doa, semangat, dukungan, bantuan, dan kebersamaannya. 11. Adik-adik Matematika angkatan 46: Yoyok, Dio, Rio, Dayat, Andri, Galih, avendi, Rudi, Syaepul, Dian, Ihsan, Hendra, Fenny, Windi, Irma, Desyi, Tita, Dita, Ivon, Mirna, Melisa, Rahmi, dan lainnya, terimakasih atas dukungan dan doanya. 12. Sahabat kontrakan 178: Umar, Watri, Joni, Adit, Hisar, Wendi dan Enduy, terima kasih atas doa, semangat, dukungan, kebersamaan, dan bantuannya. 13. Sahabat Sainstek BEM FMIPA IPB: Budi, Aya, Erna, Desi, Santia, Dio, Meita, Helen dan Hana, terima kasih atas motivasi dan kebersamaannya. 14. Teman-teman lainnya yang telah mendukung selama ini, baik moril maupun materil. Penulis menyadari bahwa dalam karya ilmiah ini masih terdapat banyak kekurangan. Oleh karena itu, penulis mengharapkan saran dan kritik yang membangun dari semua pihak. Semoga karya ilmiah ini dapat bermanfaat bagi dunia ilmu pengetahuan terutama ilmu matematika. Bogor, Desember 2012 Heru
85 RIWAYAT HIDUP Penulis dilahirkan di Sukabumi pada tanggal 25 Oktober 1989 dari bapak Nana dan ibu Ojah. Penulis merupakan putra pertama dari dua bersaudara. Tahun 2008 penulis lulus dari SMA Negeri 1 Kabandungan dan pada tahun yang sama diterima sebagai mahasiswa IPB melalui jalur Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN). Penulis memilih mayor Matematika pada Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama mengikuti perkuliahan, penulis menjadi asisten dosen mata kuliah Kalkulus II (S-1) pada semester ganjil tahun akademik , asisten dosen mata kuliah Persamaan Diferensial Biasa (S-1) pada semester genap tahun akademik , serta asisten dosen mata kuliah Persamaan Diferensial Parsial (S-1) pada semester ganjil tahun akademik Selama kuliah penulis mendapatkan beasiswa dari Chevron Geothermal Salak, Ltd. Penulis aktif di berbagai kegiatan kemahasiswaan. Penulis pernah menjadi Staf Departemen Keilmuan Gumatika (Gugusan Mahasiswa Matematika) Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada periode dan Staf Departemen Sains dan Teknologi Badan Eksekutif Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada periode Selain itu, penulis pernah terlibat dalam beberapa kegiatan kepanitiaan antara lain: Kepala Divisi Logistik dan Transportasi Pekan Ilmiah Mahasiswa FMIPA IPB tahun 2011, Kepala Divisi Publikasi, Dekorasi dan Dokumentasi IPB OPEN (Kompetisi Catur Nasional) tahun 2010, Tim khusus Matematika Ria tahun 2010, serta Staf Divisi Logistik dan Transportasi Pesta Sains IPB tahun 2011.
86 DAFTAR ISI Halaman DAFTAR TABEL... viii DAFTAR LAMPIRAN... viii I PENDAHULUAN Latar Belakang Tujuan... 1 II LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Peubah Acak dan Fungsi Sebaran Nilai Harapan, Ragam, dan Momen Fungsi Kemungkinan Proses Stokastik dan Rantai Markov... 4 III HASIL DAN PEMBAHASAN Sistem Bonus Malus Lama dan Sistem Bonus Malus Praktis Sebaran Hofmann Sistem Bonus Malus Optimal Kelaparan Bonus dan Sebaran Frekuensi Klaim Aktual Sistem Bonus Malus Praktis Tahapan untuk Menemukan Premi Sistem Bonus Malus Praktis Algoritme Lemaire untuk Penentuan Retensi Limit Optimal IV SIMPULAN DAFTAR PUSTAKA LAMPIRAN vii
87 DAFTAR TABEL Halaman 1 Premi sistem bonus malus saat ini Sebaran frekuensi klaim teramati Kerangka sistem bonus malus optimal Nilai premi yang pararel dengan nilai premi sistem bonus malus optimal Premi sistem bonus malus optimal Sistem bonus malus praktis untuk λλ 1 = Sistem bonus malus praktis untuk λλ 2 = Sistem bonus malus praktis untuk λλ 3 = Retensi limit optimal untuk pemegang polis dalam sistem bonus malus dengan λλ 1 = dan mm = Retensi limit optimal untuk pemegang polis dalam sistem bonus malus dengan λλ 1 = dan mm > DAFTAR LAMPIRAN Halaman 1 Pembuktian hasil integral pada sebaran Hofmann Analisis sebaran Hofmann untuk aa = 0 dan aa = Pembuktian rumus untuk premi posterior Penghitungan nilai parameter sebaran Hofmann dengan pemasangan tiga momen pertama dari sebaran Poisson Campuran Nonparametrik dan sebaran Hofmann Pendugaan Kemungkinan Maksimum untuk mencari sebaran frekuensi klaim yang dilaporkan beserta peluangnya Penghitungan sebaran stasioner dan sebaran transien Penghitungan premi sistem bonus malus optimal Penghitungan nilai peluang ww(kk, tt, ii) Program LINGO 11 untuk menyelesaikan masalah pengoptimuman Algoritme Lemaire untuk menghitung retensi limit optimal dari pemegang polis viii
88 I PENDAHULUAN 1.1 Latar Belakang Asuransi merupakan perjanjian antara dua pihak, yaitu pihak tertanggung dan pihak penanggung. Pihak penanggung memiliki kewajiban untuk menanggung segala bentuk kerugian, kecelakaan, kerusakan atau kehilangan keuntungan yang dialami pihak tertanggung. Sementara itu, pihak tertanggung memiliki kewajiban untuk membayar sejumlah uang yang merupakan imbalan untuk pihak penanggung karena pihak penanggung telah menjadi tempat pengalihan resiko dari pihak tertanggung. Sejumlah uang yang dibayarkan oleh pihak tertanggung kepada pihak penanggung secara berkala disebut premi asuransi. Sistem asuransi juga dilengkapi oleh aturanaturan yang mengikat kedua belah pihak. Aturan-aturan ini disebut polis asuransi. Perkembangan ilmu aktuaria semakin memperkaya sistem asuransi yang dianut oleh perusahaan-perusahaan asuransi. Salah satu sistem asuransi yang sudah terkenal adalah sistem bonus malus. Sistem bonus malus merupakan sistem asuransi dimana besarnya premi yang dibayarkan pihak tertanggung kepada pihak penanggung berubah sesuai dengan banyak klaim yang diajukan oleh pihak tertanggung pada periode sebelumnya. Jika periode sekarang pemegang polis tidak mengajukan klaim maka pemegang polis mendapat bonus pada periode berikutnya. Namun, jika periode sekarang pemegang polis mengajukan klaim maka pemegang polis mendapatkan malus pada periode berikutnya. Sistem bonus malus juga dilengkapi oleh pembagian kelas premi. Kelas premi ini berbanding lurus dengan besarnya premi yang harus dibayarkan oleh pihak tertanggung. Dengan kata lain, semakin tinggi kelas premi maka semakin besar premi yang harus dibayarkan oleh pihak tertanggung dan semakin rendah kelas premi maka semakin rendah pula premi yang harus dibayarkan oleh pihak tertanggung. Karya ilmiah ini menjelaskan pembangunan sistem bonus malus praktis. Sistem bonus malus praktis lebih mudah diaplikasikan dalam dunia nyata karena jumlah kelas yang hingga. Sebaran Hofmann yang dipilih sebagai sebaran untuk membangun tabel bonus malus optimal juga dibahas dalam karya ilmiah ini. Perlu diketahui bahwa untuk mendapatkan tabel bonus malus praktis diperlukan tabel bonus malus optimal. Rujukan utama dari karya ilmiah ini adalah jurnal karangan Paris dan Walhin (2001) yang berjudul The Practical Replacement of a Bonus-Malus System. Meskipun demikian, sebagian metode pemecahan masalah dalam karya ilmiah ini tidak sama dengan jurnal rujukan tersebut. 1.2 Tujuan Tujuan dari karya ilmiah ini adalah sebagai berikut. 1. Mempelajari penentuan premi pada sistem bonus malus optimal dengan menggunakan sebaran Hofmann. 2. Mempelajari penentuan premi pada sistem bonus malus praktis dari sistem bonus malus optimal. 3. Mempelajari pengaruh sebaran transien dan sebaran stasioner terhadap sistem bonus malus praktis. 4. Mempelajari Algoritme Lemaire untuk menghitung retensi limit optimal.
89 II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Definisi 1 (Percobaan Acak) Dalam suatu percobaan seringkali dilakukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul adalah diketahui, tetapi hasil pada percobaan berikutnya tidak dapat diduga dengan tepat. Percobaan semacam ini disebut percobaan acak. (Hogg et al. 2005) Definisi 2 (Ruang Contoh dan Kejadian) Himpunan dari semua kemungkinan hasil dari suatu percobaan acak disebut ruang contoh, dinotasikan dengan Ω. Suatu kejadian AA adalah himpunan bagian dari Ω. Definisi 3 (Medan-σσ) (Grimmett & Stirzaker 1992) Medan-σσ adalah suatu himpunan F yang anggotanya terdiri atas himpunan bagian dari ruang contoh Ω, yang memenuhi kondisi berikut: 1. F, 2. Jika AA F maka AA cc F, 3. Jika AA 1, AA 2, F maka ii=1 AA ii F. Definisi 4 (Ukuran Peluang) (Grimmett & Stirzaker 1992) Misalkan F adalah Medan-σσ dari ruang contoh Ω. Ukuran peluang adalah suatu fungsi PP: F [0,1] pada (Ω, F) yang memenuhi: 1. PP( ) = 0, PP(Ω) = 1, 2. Jika AA 1, AA 2, F adalah himpunan yang saling lepas yaitu AA ii AA jj = untuk setiap pasangan ii jj, maka PP( ii=1 AA ii ) = PP(AA ii ) ii=1. (Grimmett & Stirzaker 1992) 2.2 Peubah Acak dan Fungsi Sebaran Definisi 5 (Peubah Acak) Misalkan F adalah Medan-σσ dari ruang contoh Ω. Suatu peubah acak XX adalah suatu fungsi XX: Ω R dengan sifat {ωω Ω: X(ωω) x} F untuk setiap xx R. Definisi 6 (Fungsi Sebaran) (Grimmett & Stirzaker 1992) Misalkan XX adalah suatu peubah acak dengan ruang contoh Ω. Misalkan kejadian AA = (, xx] Ω maka peluang dari kejadian AA adalah PP XX (AA) = PP(XX xx) = FF XX (xx). Fungsi FF XX disebut fungsi sebaran dari peubah acak XX. Definisi 7 (Peubah Acak Diskret) (Hogg et al. 2005) Peubah acak XX dikatakan diskret jika nilainya hanya pada himpunan bagian yang terhitung dari R. Catatan: (Grimmett & Stirzaker 1992) Suatu himpunan bilangan CC disebut terhitung jika CC terdiri atas terhingga bilangan atau anggota CC dapat dikorespondensikan 1-1 dengan bilangan bulat positif. Definisi 8 (Peubah Acak Kontinu) Peubah acak XX dikatakan kontinu jika ada fungsi ff XX (xx) sehingga fungsi sebaran FF XX (xx) = ff XX (uu)dddd, xx xx R dengan ff: R [0, ) adalah fungsi yang terintegralkan. Fungsi ff disebut fungsi kepekatan peluang dari XX. (Grimmett & Stirzaker 1992) Definisi 9 (Fungsi Massa Peluang) Fungsi massa peluang dari peubah acak diskret XX adalah fungsi pp: R [0,1] yang diberikan oleh pp XX (xx) = PP(XX = xx). (Grimmett & Stirzaker 1992) Definisi 10 (Fungsi Sebaran Bersama Dua Peubah Acak) Fungsi sebaran bersama dua peubah acak XX dan YY merupakan suatu fungsi FF: R 2 [0,1] yang didefinisikan sebagai
90 3 FF XXXX (xx, yy) = PP(XX xx, YY yy). (Grimmett & Stirzaker 1992) Definisi 11 (Fungsi Massa Peluang Bersama dan Marjinal) Misalkan XX dan YY peubah acak diskret, maka fungsi massa peluang bersama dari XX dan YY adalah pp XXXX (xx, yy) = 2 FF XXXX (xx, yy), dan fungsi massa peluang marjinal dari peubah acak YY adalah pp YY (yy) = ff XXXX (xx, yy). xx (Grimmett & Stirzaker 1992) Definisi 12 (Fungsi Kepekatan Peluang Bersyarat) Jika XX dan YY adalah peubah acak kontinu dan fungsi kepekatan peluang marjinal dari YY adalah ff YY (yy) > 0 maka fungsi kepekatan peluang bersyarat dari XX dengan syarat YY = yy adalah ff XX YY (xx yy) = ff XXXX(xx, yy) ff YY (yy). (Grimmett & Stirzaker 1992) Definisi 13 (Sebaran Poisson) Suatu peubah acak XX dikatakan menyebar Poisson dengan parameter λλ, jika memiliki fungsi massa peluang: PP XX (xx, λλ) = ee λλ λλ xx ; xx = 0,1,2,, xx! dengan λλ > 0. (Hogg et al. 2005) Definisi 14 (Sebaran Binomial Negatif) Suatu peubah acak NN dikatakan menyebar Binomial Negatif dengan parameter rr dan pp, dinotasikan BN(rr, pp) jika memiliki fungsi massa peluang rr + nn 1 PP NN (nn) = PP[NN = nn] = pp rr qq nn ; nn nn = 0,1,2,.. dengan rr > 0, 0 < pp < 1 dan qq = 1 pp. (Hogg et al. 2005) 2.3 Nilai Harapan, Ragam dan Momen Definisi 15 (Nilai Harapan) 1. Jika XX adalah peubah acak diskret dengan fungsi massa peluang pp XX (xx), maka nilai harapan dari XX, didefinisikan sebagai EE(XX) = xx pp XX (xx), asalkan jumlah di atas konvergen mutlak. 2. Jika XX adalah peubah acak kontinu dengan fungsi kepekatan peluang ff XX (xx), maka nilai harapan dari XX adalah xx EE(XX) = xxxx XX (xx)dddd, asalkan integral di atas konvergen mutlak. (Hogg et al. 2005) Definisi 16 (Nilai Harapan Bersyarat) Misalkan XX dan YY adalah peubah acak kontinu dan ff XX YY (xx yy) adalah fungsi kepekatan peluang bersyarat dari XX dengan syarat YY = yy, maka nilai harapan dari XX dengan syarat YY = yy adalah EE[XX YY = yy] = xxxx XX YY (xx yy)dddd. Definisi 17 (Ragam) (Hogg et al. 2005) Ragam dari peubah acak XX adalah nilai harapan kuadrat selisih antara XX dengan nilai harapannya. Secara matematis dapat dituliskan sebagai VVVVVV(XX) = EE[(XX EE[XX]) 2 ] = EE[XX 2 ] (EE[XX]) 2. (Hogg et al. 2005)
91 4 Definisi 18 (Momen) 1. Jika XX adalah peubah acak diskret dengan fungsi massa peluang pp XX (xx), maka momen ke-kk dari XX, didefinisikan sebagai EE(XX kk kk ) = xx ii pp XX (xx ii ), ii=1 jika jumlah di atas konvergen. Jika jumlah di atas divergen, maka momen ke-kk dari peubah acak XX adalah tidak ada. 2. Jika XX adalah peubah acak kontinu dengan fungsi kepekatan peluang ff XX (xx), maka momen ke-kk dari XX didefinisikan sebagai EE(XX kk ) = xx kk ff XX (xx)dddd, jika integral di atas konvergen. Jika integral di atas divergen, maka momen ke-kk dari peubah acak XX adalah tidak ada. (Grimmett & Stirzaker 1992) Definisi 19 (Fungsi Pembangkit Momen) Fungsi pembangkit momen dari suatu peubah acak XX didefinisikan sebagai MM XX (tt) = EE(ee tttt ) untuk tt R sehingga nilai harapan di atas ada. (Grimmett & Stirzaker 1992) 2.4 Fungsi Kemungkinan Definisi 20 (Fungsi Kemungkinan) Misalkan xx 1,, xx nn adalah nilai contoh acak dari suatu sebaran dengan fungsi kepekatan peluang ff(xx; θθ), maka fungsi kepekatan peluang bersama dari XX 1,., XX nn yang merupakan fungsi kemungkinannya adalah LL(θθ) = ff(xx 1 ; θθ)ff(xx 2 ; θθ) ff(xx nn ; θθ). (Hogg et al. 2005) Definisi 21 (Penduga Kemungkinan Maksimum) Misalkan xx 1,, xx nn adalah nilai contoh acak berukuran nn dari suatu sebaran dengan fungsi kepekatan peluang ff(xx; θθ). Penduga kemungkinan maksimum bagi θθ dinotasikan dengan θθ adalah nilai θθ yang memaksimumkan fungsi kemungkinan LL(xx 1,., xx nn ; θθ). (Hogg et al. 2005) 2.5 Proses Stokastik dan Rantai Markov Definisi 22 (Proses Stokastik) Proses stokastik didefinisikan sebagai himpunan peubah acak {XX nn : nn εε II} untuk himpunan indeks II yang terhitung atau berhingga, atau {XX(tt): tt εε TT} untuk himpunan indeks TT yang tak terhitung. Definisi 23 (Rantai Markov) (Ghahramani 2005) Sebuah proses stokastik {XX nn : nn = 0, 1, } dengan ruang state terbatas atau tak terbatas yg terhitung disebut rantai markov, jika untuk semua ii, jj, ii 0,, ii nn 1 SS, dan nn = 0,1,2,, PP(XX nn+1 = jj XX nn = ii, XX nn 1 = ii nn 1,, XX 0 = ii 0 ) = PP(XX nn+1 = jj XX nn = ii). (Ghahramani 2005)
92 III HASIL DAN PEMBAHASAN 3.1 Sistem Bonus Malus Lama dan Sistem Bonus Malus Praktis Sistem bonus malus praktis terdiri dari sebuah tabel yang berisi kelas premi sebanyak ss. Tingkat premi berhubungan erat dengan setiap kelas dalam tabel tersebut. Premi di kelas rendah tidak lebih besar dibanding premi di kelas tinggi. Pertama kali masuk dalam sistem bonus malus pemegang polis berada di kelas dengan tingkat premi 100%. Kemudian, untuk periode berikutnya kelas yang diduduki pasti berubah. Jika tidak ada klaim maka pada periode berikutnya pemegang polis menempati kelas yang lebih rendah. Hal ini berarti pemegang polis membayar premi 100% ke bawah. Premi di bawah 100% berarti pemegang polis mendapatkan bonus. Sebaliknya, jika ada klaim maka pada periode berikutnya pemegang polis menempati kelas yang lebih tinggi sehingga pemegang polis membayar premi 100% ke atas. Premi di atas 100% berarti pemegang polis mendapatkan malus. Sebuah aturan menentukan pergerakan pemegang polis dalam sistem bonus malus sesuai dengan banyak klaim yang dilaporkan oleh pemegang polis ke perusahaan setiap tahun. Aturan ini disebut aturan transisi. Dalam karya ilmiah ini disusun sebuah metodologi yang bertujuan untuk mengubah suatu sistem bonus malus. Beberapa contoh numerik digunakan untuk menjelaskan metodologi tersebut. Misalkan sistem bonus malus saat ini diasumsikan sebagai berikut. - Banyak kelas ss adalah 9. Kelas minimum adalah 0 dan kelas maksimum adalah 8. - Pintu masuk sistem bonus malus adalah kelas 4. - Jika pemegang polis tidak mengajukan klaim pada tahun tertentu maka pemegang polis turun sebanyak satu kelas pada tahun berikutnya. - Jika pemegang polis mengajukan klaim maka pemegang polis naik sebanyak tiga kelas tiap satu klaim. Tabel 1. Premi sistem bonus malus saat ini ss CC ss ss CC ss Kemudian, sistem bonus malus baru diasumsikan sebagai berikut. - Banyak kelas ss adalah 9. Kelas minimum adalah 0 dan kelas maksimum adalah 8. - Pintu masuk sistem bonus malus adalah kelas 4. - Jika pemegang polis tidak mengajukan klaim pada tahun tertentu maka pemegang polis turun sebanyak satu kelas pada tahun berikutnya. - Jika pemegang polis mengajukan klaim maka pemegang polis menempati kelas 8 (tanpa melihat banyaknya klaim yang diajukan). Tingkat premi untuk sistem bonus malus baru tersebut (sistem bonus malus praktis) perlu dicari. Tabel 2. Sebaran frekuensi klaim teramati Banyak Banyak Pemegang Kecelakaan Polis
93 6 3.2 Sebaran Hofmann Berdasarkan Paris dan Walhin (1999b), pembangunan sistem bonus malus optimal bersifat tidak halus jika menggunakan sebaran Poisson Campuran Nonparametrik. Oleh karena itu, pembangunan sistem bonus malus optimal dalam karya ilmiah ini menggunakan prinsip nilai harapan dengan fungsi peluang yang menggunakan sebaran Hofmann. Sebaran Hofmann didefinisikan sebagai berikut. Π(0, tt) = ee θθ(tt), (kk + 1)ΠΠ(kk + 1, tt) kk pppp Γ(aa + ii) = (1 + cccc) aa cccc ii Γ(aa)ii! 1 + cccc ΠΠ(kk ii, tt) ii=0 θθ pp (tt) = (1 + cccc) aa, θθ(0) = 0. Pendefinisian sebaran Hofmann di atas menggunakan fungsi rekursif pada algoritme Panjer. Pendefinisian sebaran Hofmann tersebut dapat ditulis dalam bentuk lain, yaitu dengan menggunakan bentuk turunan fungsi. Sebaran Hofmann yang didefinisikan dalam bentuk turunan fungsi adalah sebagai berikut. Π(0, tt) = ee θθ(tt), ttkk kk Π(kk, tt) = ( 1) kk! Π(kk) (0, tt); kk = 1,2,, θθ pp (tt) = (1 + cccc) aa, θθ(0) = 0. Turunan ke- kk dari peluang Π(0, tt) adalah Π (kk) (0, tt). Jika bentuk θθ (tt) diintegralkan maka dihasilkan θθ(tt) sebagai berikut. θθ(tt) pppp ; aa = 0 pp ln(1 + cccc) ; aa = 1 cc = pp cc(1 aa) [(1 + cccc)1 aa 1] ; aa ssssssssssssssssss. Hasil penghitungan integral θθ (tt) dapat dilihat pada Lampiran 1. Jika sebaran Hofmann ini dianalisis untuk aa = 0 maka sebaran ini menjadi sebaran Poisson. Kemudian, untuk aa = 1 sebaran ini menjadi sebaran Binomial Negatif (Paris dan Walhin (1999b)). Analisis sebaran Hofmann untuk aa = 0 dan aa = 1 dapat dilihat pada Lampiran Sistem Bonus Malus Optimal Sistem bonus malus itu hanya tergantung pada banyak kecelakaan yang disebabkan oleh sesuatu yang diasuransikan pada periode sebelumnya (Paris & Walhin (1999b)). Sistem bonus malus optimal dipengaruhi banyak klaim dan banyak tahun yang teramati. Pada umumnya, banyak klaim NN(tt) pada selang (0, tt] dianggap sebagai proses Poisson Campuran dengan fungsi peluang sebagai berikut. (Λtt)kk P[NN(tt) = kk Λ] = Π(kk, tt Λ) = ee Λtt, kk! (λtt)kk P[NN(tt) = kk] = Π(kk, tt) = ee λtt du(λ), 0 kk! dengan Λ adalah peubah acak dengan fungsi sebaran UU(λλ). Informasi yang mengandung banyak kecelakaan selama tt tahun pertama sangat diperlukan untuk menghitung premi pada tahun ke-tt (premi posterior). Premi posterior itu adalah EE[NN(tt + 1) NN(tt) NN(tt) = kk] = EE(Λ NN(tt) = kk) = kk + 1 ΠΠ(kk + 1, tt). tt ΠΠ(kk, tt) Pembuktian dari rumus premi posterior dapat dilihat pada Lampiran 3. Rumus premi posterior ini menggunakan prinsip premi nilai harapan. Selanjutnya, premi prior ditetapkan sebesar 100% sehingga disusun sebuah tabel bonus malus optimal yang terdiri dari dua entri, yaitu entri tt dan entri kk. Entri tt menyatakan banyak tahun yang diamati dan entri kk menyatakan banyak klaim yang diamati. Dalam karya ilmiah ini dipilih nilai tt = 1,2,,10 dan kk = 0,1,,4. Nilai premi dalam tabel bonus malus optimal untuk setiap kk dan tt ditulis dengan rumus sebagai berikut: PP (kk,tt) = 100 EEΛ kk+1 tt ΠΠ(kk+1,tt) ΠΠ(kk,tt). (3.1) Tabel 3. Kerangka sistem bonus malus optimal tt/kk PP (0,1) PP (1,1) PP (2,1) PP (3,1) PP (4,1) 2 PP (0,2) PP (1,2) PP (2,2) PP (3,2) PP (4,2) 10 PP (0,10) PP (1,10) PP (2,10) PP (3,10) PP (4,10) Nilai ΠΠ(kk, tt) untuk menghitung premi sistem bonus malus optimal dihitung berdasarkan sebaran Hofmann. Namun, masalahnya adalah sebaran frekuensi klaim yang dilaporkan menggunakan sebaran Poisson Campuran Nonparametrik sehingga parameter sebaran Hofmann (pp, cc, dan aa) dicari dengan pemasangan tiga momen pertama dari sebaran Poisson Campuran Nonparametrik dan sebaran Hofmann, yaitu: rr pp jj λλ jj = pp, jj =1
94 7 rr pp jj λλ jj λλ jj + 1 = pp + aaaaaa + pp 2, jj =1 rr pp jj λλ jj λλ 2 jj + 3λλ jj + 1 = pp(pp + aaaaaa) jj =1 +pp(1 + pp) 2 + aaaaaa(1 + pp) + (1 + aa)aacc 2 pp. Dengan menggunakan rumus tersebut maka diperoleh nilai pp = , cc = , aa = Uraian untuk memperoleh nilai parameter sebaran Hofmann ini dapat dilihat pada Lampiran 4. Perhatikan bahwa rumus untuk menghitung premi dalam tabel bonus malus optimal di atas berdasarkan prinsip nilai harapan. Prinsip premi lainnya juga dapat digunakan untuk menyusun tabel bonus malus optimal. Dalam Paris dan Walhin (1999b), prinsip utilitas nol dengan sebuah fungsi utilitas eksponensial digunakan untuk menyusun tabel bonus malus optimal. Sedangkan, dalam Paris dan Walhin (1999a), tabel bonus malus optimal diperoleh dengan menggunakan sebaran kerugian ekponensial. Namun, contoh numerik menunjukan bahwa penghitungan premi bonus malus optimal dengan menggunakan berbagai prinsip premi tersebut tidak menghasilkan tabel yang berbeda secara signifikan. 3.4 Kelaparan Bonus dan Sebaran Frekuensi Klaim Aktual Jika perusahaan asuransi menggunakan sistem bonus malus yang bebas dari besaran klaim maka seorang pemegang polis cenderung untuk tidak melaporkan klaim yang berukuran kecil. Hal ini berarti pemegang polis lebih memilih untuk menanggung resiko daripada melaporkannya ke perusahaan asuransi sehingga harus membayar premi yang lebih tinggi pada periode berikutnya karena mendapatkan malus. Lemaire (1977) menyebutkan fakta seperti ini adalah kelaparan bonus. Algoritme Lemaire (1977) memberikan retensi optimal dari pengendara sebagai fungsi tingkat preminya. Algoritme itu memiliki hipotesis-hipotesis sebagai berikut. - Sebuah sistem bonus malus terdiri dari ss kelas ii = 0,., ss 1. - Frekuensi klaim pemegang polis menyebar Poisson dengan nilai harapan λλ. - Sebaran besaran klaim adalah ZZ dengan fungsi sebaran kumulatif adalah FF ZZ (xx). - Ramalan tingkat diskon untuk masa depan dilambangkan dengan ββ. - Waktu tersisa hingga pembayaran premi berikutnya adalah 1 tt dengan 0 tt < 1. Sebagai contoh numerik berkaitan hipotesis algoritme tersebut maka digunakan data, nilai, atau asumsi sebagai berikut. - Sistem bonus malus diberikan pada Tabel 6. - Sebaran besaran klaim ZZ adalah menyebar eksponensial dengan nilai harapan μμ: FF ZZ (xx) = 1 ee xx μμ ; xx 0 0 ; xx < 0. - Sebaran besaran klaim aktual adalah eksponensial dengan parameter μμ = 84.86, ββ = 6%, dan tt = Proporsi pp jj, jj = 1,, rr tetap sama baik frekuensi klaim aktual maupun yang teramati. Misalkan λλ jj adalah parameter Poisson dari pemegang polis ke-jj untuk peubah acak yang merepresentasikan banyak klaim yang dilaporkan dalam sistem bonus malus saat ini. Berdasarkan data sebaran frekuensi klaim yang teramati pada Tabel 2 maka diperoleh λλ 1 = , λλ 2 = , λλ 3 = , pp 1 = , pp 2 = , pp 3 = Uraian ini dapat dilihat pada Lampiran 5. Nilai-nilai tersebut memiliki arti bahwa dalam sistem bonus malus ini terdapat tiga jenis pengendara dengan penjelasan bahwa 56% pengendara menunjukkan frekuensi klaim sebesar , sekitar 41% pengendara menunjukkan frekuensi klaim sebesar dan sekitar 2% menunjukkan frekuensi klaim sebesar Pada umumnya ada rr jenis pengendara. Dalam karya ilmiah ini dibahas tiga jenis pengendara. Penghitungan sebaran stasioner dan sebaran transien dalam karya ilmiah ini menggunakan asumsi bahwa dalam satu tahun banyaknya kecelakaan itu menyebar Poisson. Karena terdapat tiga jenis pengendara maka diperoleh tiga jenis sebaran stasioner dan tiga jenis sebaran transien. Adapun rumus-rumus yang dipakai dalam penghitungan sebaran stasioner dan sebaran transien adalah sebagai berikut. ee (λλ) = lim nn (QQ TT ) nn ee 0 (λλ) ; ee 0 diberikan, ee tt (λλ) = (QQ TT ) tt ee 0 (λλ), keterangan: QQ TT : transpos dari matriks transisi, ee (λλ): sebaran stasioner untuk λλ tertentu, ee tt (λλ): sebaran transien ke-tt untuk λλ tertentu, ee 0 (λλ): sebaran awal untuk λλ tertentu. Perlu diketahui bahwa sebaran stasioner ini bebas terhadap sebaran awal dan sebaran awal diasumsikan sama untuk setiap λλ. Hasil yang diperoleh dari perhitungan sebaran adalah sebagai berikut.
95 8 - Sebaran stasioner, sebaran transien, dan sebaran awal untuk λλ 1 = ee (λλ 1 ) = { , , , , , , , , }, ee 2 (λλ 1 ) = { , , , , , , , , }, ee 4 (λλ 1 ) = { , , , , , , , , }, ee 0 (λλ 1 ) = {0.5729,0.0562,0.0661,0.0784, ,0.0441,0.0457,0.0429,0.0516}. - Sebaran stasioner, sebaran transien, dan sebaran awal untuk λλ 2 = ee (λλ 2 ) = { , , , , , , , , }, ee 2 (λλ 2 ) = { , , , , , , , , }, ee 4 (λλ 2 ) = { , , , , , , , , }, ee 0 (λλ 2 ) = {0.5729,0.0562,0.0661,0.0784, ,0.0441,0.0457,0.0429,0.0516}. - Sebaran stasioner, sebaran transien, dan sebaran awal untuk λλ 3 = ee (λλ 3 ) = { , , , , , , , , }, ee 2 (λλ 3 ) = { , , , , , , , , }, ee 4 (λλ 3 ) = { , , , , , , , , }, ee 0 (λλ 3 ) = {0.5729,0.0562,0.0661,0.0784, ,0.0441,0.0457,0.0429,0.0516}. Penghitungan sebaran stasioner dan sebaran transien ini dapat dilihat pada Lampiran Sistem Bonus Malus Praktis Sistem bonus malus optimal yang dideskripsikan pada bagian sebelumnya sulit untuk diaplikasikan karena banyak kelas tak terbatas. Sistem bonus malus seperti ini cukup rumit untuk para pemegang polis. Oleh karena itu, sebagian besar negara-negara Eropa menggunakan sistem bonus malus dengan banyak kelas terbatas. Pada dasarnya, sistem bonus malus dengan banyak kelas terbatas mempunyai sifat Markov. Aturan transisi adalah sebuah aturan yang mengatur pergerakan posisi pemegang polis dalam sistem bonus malus yang terdiri kelas-kelas tersebut. Posisi pemegang polis dipengaruhi oleh klaim yang dilaporkan tahunan. Jika banyak kelas telah dipilih dan aturan transisi telah ditentukan maka selanjutnya adalah menghitung tingkat premi untuk setiap kelas. Penghitungan ini sudah dijelaskan oleh Coene dan Doray (1996). Metode Coene dan Doray (1996) adalah meminimumkan jarak tertentu antara tingkat premi sistem bonus malus praktis dengan tingkat premi sistem bonus malus optimal yang bersesuaian. Dalam karya ilmiah ini digunakan metode yang sama dengan Coene dan Doray (1996) tapi dengan beberapa perubahan. Hal yang harus pertama kali dibangun adalah tabel CC (kk,tt) yang paralel dengan tabel PP (kk,tt). Tabel CC (kk,tt) berisi nilai-nilai berbeda dari CC ii sebagai fungsi dari kk dan tt. Tabel 4. Nilai premi yang pararel dengan nilai premi sistem bonus malus optimal tt/kk CC 4 1 CC 3 CC 8 CC 8 2 CC 2 CC 8 /CC 7 CC 8 /CC 7 3 CC 1 CC 8 /CC 7 /CC 6 CC 8 /CC 7 /CC 6 4 CC 0 CC 8 /CC 7 /CC 6 /CC 5 CC 8 /CC 7 /CC 6 /CC 5 5 CC 0 CC 8 /CC 7 /CC 6 /CC 5 /CC 4 CC 8 /CC 7 /CC 6 /CC 5 /CC 4 10 CC 0 CC 8 /CC 7 /../CC 0 CC 8 /CC 7 /../CC 0 Coene dan Doray (1996) memilih kelas maksimum untuk CC (kk,tt) karena kelas maksimum itu kelas yang paling mungkin. Namun, perhatikan bahwa tidaklah sulit untuk mencari peluang dari kejadian NN(tt) = kk, CC (kk,tt) = CC ii ]. Misalkan didefinisikan rumus dari ww yaitu ww(kk, tt, ii) = ΡΡ NN(tt) = kk, CC (kk,tt) = CC ii ]. Rumus untuk ww ini valid untuk proses
96 9 Poisson Campuran sehingga dapat didefinisikan juga bahwa Ρ NN(tt) = kk, CC (kk,tt) = CC ii = PP[NN(tt) NN(tt 1) = kk tt,, NN(1) NN(0) = kk 1 ]. Metode penghitungan nilai premi tiap kelas adalah dengan meminimumkan kesalahan kuadrat bobot alami (kk,tt,ii) ww(kk, tt, ii)[pp (kk,tt) CC ii ] 2. Prosedur minimisasi ini mirip dengan prosedur yang diturunkan oleh Coene dan Doray (1996). 3.6 Tahapan untuk Menemukan Premi Sistem Bonus Malus Praktis Tahap-tahap dalam penentuan sistem bonus malus praktis adalah sebagai berikut. Tahap pertama - Pilih banyak kelas dari sistem bonus malus praktis dan aturan transisi. - Gunakan sebaran frekuensi klaim aktual sebagai taksiran awal untuk sebaran frekuensi klaim yang diamati di masa depan. Tahap kedua - Gunakan sebaran frekuensi klaim yang diamati di masa depan sebagai sebaran Poisson Campuran Nonparametrik untuk menemukan sebaran frekuensi klaim yang diamati dalam bentuk sebaran Hofmann dengan pemasangan tiga momen pertama. - Dari sebaran Hofmann diperoleh tabel bonus malus optimal. - Dari tabel bonus malus optimal diperoleh tingkat premi dari sistem bonus malus praktis. Sampai tahap ini telah ditemukan premi sistem bonus malus praktis. Berikut ini adalah sebuah program minimisasi untuk menentukan premi sistem bonus malus praktis MMMMMM ww(kk, tt, ii)[pp (kk,tt) CC ii ] 2 kk=0 tt=1 ii=0 kendala: CC ii adalah bilangan bulat, CC 4 = 100, CC ii+1 CC ii 0, 8 ee (ii)cc ii 100, ii=0 8 ee 0 (ii)cc ii 100, ii=0 8 ee 2 (ii, ee 0 )CC ii 100, ii=0 8 ee 4 (ii, ee 0 )CC ii 100, ii=0 dimana ee 0 = {0.5729, , , , , 0.044, , , }. Komponen ke-ii dari sebaran stasioner pengendara dalam sistem bonus malus dilambangkan dengan ee (ii), komponen ke-ii dari sebaran transien pengendara pada waktu tt dilambangkan dengan ee tt (ii, ee 0 ) dan sebaran awal ee 0 diberikan dalam sistem bonus malus. Misalkan λλ jj adalah parameter Poisson dari pemegang polis ke-jj untuk peubah acak yang merepresentasikan banyak klaim yang sebenarnya. Sebaran frekuensi klaim aktual yang digunakan adalah λλ 1 = , λλ 2 = , λλ 3 = , pp 1 = , pp 2 = , pp 3 = Nilai parameter sebaran Hofmann yang diperoleh dengan pemasangan tiga momen pertama adalah pp = 0.223, cc = , aa = Sebaran Hormann ini digunakan dalam persamaan (3.1) untuk memperoleh premi pada tabel bonus malus optimal. Tabel 5. Premi sistem bonus malus optimal tt/kk Lampiran 7 menjelaskan penghitungan Tabel 5 tersebut. Karena terdapat tiga jenis pengendara maka tabel bonus malus praktis yang diperoleh dengan memecahkan prosedur minimisasi tersebut ada sebanyak tiga buah. Tabel 6. Sistem bonus malus praktis untuk λλ 1 = ss CC ss ss CC ss
PENGGUNAAN METODE PERTURBASI HOMOTOPI UNTUK MENYELESAIKAN MASALAH ALIRAN FLUIDA SISKO PADA PIPA LURUS ISNA ALDILLA
PENGGUNAAN METODE PERTURBASI HOMOTOPI UNTUK MENYELESAIKAN MASALAH ALIRAN FLUIDA SISKO PADA PIPA LURUS ISNA ALDILLA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPREDIKSI JANGKA PANJANG DARI PROSES POISSON SIKLIK DENGAN FUNGSI INTENSITAS GLOBAL DIKETAHUI AGUSTINA MARGARETHA
PREDIKSI JANGKA PANJANG DARI PROSES POISSON SIKLIK DENGAN FUNGSI INTENSITAS GLOBAL DIKETAHUI AGUSTINA MARGARETHA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciREGRESI KEKAR SIMPANGAN MUTLAK TERKECIL DENGAN MODIFIKASI SIMPLEKS MUHAMMAD YUSUF DWIHARJANGGI
REGRESI KEKAR SIMPANGAN MUTLAK TERKECIL DENGAN MODIFIKASI SIMPLEKS MUHAMMAD YUSUF DWIHARJANGGI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK
Lebih terperinciPENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN
PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
Lebih terperinciKEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR. Oleh: LIA NURLIANA
KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR Oleh: LIA NURLIANA PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH
PENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
Lebih terperinciPENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA
PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPENGGUNAAN METODE ITERASI VARIASI UNTUK MENYELESAIKAN MASALAH OSILASI BERPASANGAN SANTI SUSILAWATI
PENGGUNAAN METODE ITERASI VARIASI UNTUK MENYELESAIKAN MASALAH OSILASI BERPASANGAN SANTI SUSILAWATI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
Lebih terperinciBAB II LANDASAN TEORI
4 BAB II LANDASAN TEORI Teori yang ditulis dalam bab ini merupakan beberapa landasan yang digunakan untuk menganalisis sebaran besarnya klaim yang berekor kurus (thin tailed) dan yang berekor gemuk (fat
Lebih terperinciMODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM
MODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK RIDWAN IDHAM. Model
Lebih terperinciRISIKO GEMUK (FAT-TAILED ADRINA LONY SEKOLAH
PENENTUAN BESARNYA PREMI UNTUK SEBARAN RISIKO YANG BEREKOR GEMUK (FAT-TAILED RISK DISTRIBUTION) ADRINA LONY SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciSEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI
SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPERKIRAAN SELANG KEPERCAYAAN UNTUK PARAMETER PROPORSI PADA DISTRIBUSI BINOMIAL
PERKIRAAN SELANG KEPERCAYAAN UNTUK PARAMETER PROPORSI PADA DISTRIBUSI BINOMIAL Jainal, Nur Salam, Dewi Sri Susanti Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lambung
Lebih terperinciSEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT RO FAH NUR RACHMAWATI
SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT RO FAH NUR RACHMAWATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN
Lebih terperinciKAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H
KAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI
Lebih terperinciPENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: WULAN ANGGRAENI G
PENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM Oleh: WULAN ANGGRAENI G54101038 PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPENENTUAN SOLUSI OPTIMAL UNTUK ALOKASI KEKAYAAN KE DALAM KONSUMSI DAN INVESTASI PELI SUKARSO
PENENTUAN SOLUSI OPTIMAL UNTUK ALOKASI KEKAYAAN KE DALAM KONSUMSI DAN INVESTASI PELI SUKARSO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK
Lebih terperinciSISTEM BONUS MALUS DENGAN FREKUENSI KLAIM BERDISTRIBUSI GEOMETRIK DAN UKURAN KLAIM BERDISTRIBUSI WEIBULL LILYANI SUSANTI
SISTEM BONUS MALUS DENGAN FREKUENSI KLAIM BERDISTRIBUSI GEOMETRIK DAN UKURAN KLAIM BERDISTRIBUSI WEIBULL LILYANI SUSANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN
PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciAN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL
AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL Oleh: Endang Nurjamil G05497044 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPERENCANAAN PREMI OPTIMAL UNTUK PERUSAHAAN REASURANSI DENGAN REINSTATEMENT INDAH ROSLIYANA G
PERENCANAAN PREMI OPTIMAL UNTUK PERUSAHAAN REASURANSI DENGAN REINSTATEMENT INDAH ROSLIYANA G54103035 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan
Lebih terperinciPENDAHULUAN LANDASAN TEORI
1 PENDAHULUAN Latar Belakang Dalam kehidupan sehari-hari, banyak permasalahan yang dapat dimodelkan dengan proses stokastik. Proses stokastik dapat dibedakan menjadi dua yaitu proses stokastik dengan waktu
Lebih terperinciGambar 1.1 BAB II LANDASAN TEORI
9 Gambar 1.1 BAB II LANDASAN TEORI 2.1 Probabilitas Dasar Andrei Kolgomorov (193-1987) meletaan landasan matematis teori peobabilitas dan teori acak. Dalam tulisaya, Kolgomorov menggunakan teori probabilitas
Lebih terperinciANALISIS RISIKO OPERASIONAL MENGGUNAKAN PENDEKATAN DISTRIBUSI KERUGIAN DENGAN METODE AGREGAT YUSUFI ARBI
ANALISIS RISIKO OPERASIONAL MENGGUNAKAN PENDEKATAN DISTRIBUSI KERUGIAN DENGAN METODE AGREGAT YUSUFI ARBI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2013
Lebih terperinciPELABELAN (k, d)-graceful PADA T P -TREE DAN SUBDIVISI DARI T P -TREE SYAIFUL BAHRI
PELABELAN (k, d)-graceful PADA T P -TREE DAN SUBDIVISI DARI T P -TREE SYAIFUL BAHRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK SYAIFUL
Lebih terperinciLampiran A. Beberapa Definisi dan Lema Teknis
LAMPIRAN 33 Lampiran A. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Definisi A.1 (Ruang contoh dan kejadian) Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan
Lebih terperinciPENETAPAN HARGA JAMINAN POLIS ASURANSI JIWA DENGAN PREMI TAHUNAN DAN OPSI SURRENDER WELLI SYAHRIZA
PENETAPAN HARGA JAMINAN POLIS ASURANSI JIWA DENGAN PREMI TAHUNAN DAN OPSI SURRENDER WELLI SYAHRIZA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciKAJIAN NUMERIK MODEL HIDDEN MARKOV SATU WAKTU SEBELUMNYA UNTUK NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA AULIA RETNONINGTYAS
KAJIAN NUMERIK MODEL HIDDEN MARKOV SATU WAKTU SEBELUMNYA UNTUK NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA AULIA RETNONINGTYAS DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciMASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH
MASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPENETAPAN HARGA JAMINAN POLIS ASURANSI JIWA DENGAN PREMI TAHUNAN DAN OPSI SURRENDER WELLI SYAHRIZA
PENETAPAN HARGA JAMINAN POLIS ASURANSI JIWA DENGAN PREMI TAHUNAN DAN OPSI SURRENDER WELLI SYAHRIZA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciPENGGUNAAN VALUE-AT-RISK UNTUK MENGUKUR RISIKO DENGAN MENGGUNAKAN SIMULASI MONTE CARLO YUNDA FITARI
PENGGUNAAN VALUE-AT-RISK UNTUK MENGUKUR RISIKO DENGAN MENGGUNAKAN SIMULASI MONTE CARLO YUNDA FITARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Lebih terperinciUKURAN RISIKO BERDASARKAN PRINSIP PENENTUAN PREMI : PROPORTIONAL HAZARD TRANSFORM. Aprida Siska Lestia
Vol.8 No. () Hal. 6-8 UKURAN RISIKO BERDASARKAN PRINSIP PENENTUAN PREMI : PROPORTIONAL HAZARD TRANSFORM Aprida Siska Lestia Program Studi Matematika, FMIPA Universitas Lambung Mangkurat. Email : as_lestia@unlam.ac.id
Lebih terperinciPENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN
PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN (Studi Kasus: Preferensi Mahasiswa Statistika IPB Angkatan 44, 45, dan 46 terhadap Minat Bidang Kerja) DONNY ARIEF SETIAWAN SITEPU
Lebih terperinciPERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO
PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciMODEL REGRESI LATEN PADA EFEK PLASEBO DIANA PURWANDARI
MODEL REGRESI LATEN PADA EFEK PLASEBO DIANA PURWANDARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK DIANA PURWANDARI. Model Regresi Laten
Lebih terperinciRATA-RATA KREDIBILITAS SEBAGAI SOLUSI PASTI PADA KELUARGA SEBARAN EKSPONENSIAL MIKA NISHIHARA G
RATA-RATA KREDIBILITAS SEBAGAI SOLUSI PASTI PADA KELUARGA SEBARAN EKSPONENSIAL MIKA NISHIHARA G54103024 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPENENTUAN PREMI OPTIMUM PADA PORTOFOLIO HETEROGEN DENGAN ARGUMEN GEOMETRIS SEDERHANA PRAMA ADISTYA WIJAYA
PENENTUAN PREMI OPTIMUM PADA PORTOFOLIO HETEROGEN DENGAN ARGUMEN GEOMETRIS SEDERHANA PRAMA ADISTYA WIJAYA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciBAB 1 PENDAHULUAN. masing-masing individu untuk terhindar dari kerusakan dan kehilangan. Asuransi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Harta benda pribadi merupakan bagian yang selalu dilindungi oleh masing-masing individu untuk terhindar dari kerusakan dan kehilangan. Asuransi non-life adalah
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini, akan diuraikan definisi-definisi dan teorema-teorema yang
BAB II LANDASAN TEORI Pada bab ini, akan diuraikan definisi-definisi dan teorema-teorema yang akan digunakan sebagi landasan pembahasan untuk bab III. Materi yang akan diuraikan antara lain persamaan diferensial,
Lebih terperinciKEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH
KEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan diuraikan beberapa teori dasar yang digunakan untuk menetapkan harga premi pada polis partisipasi asuransi jiwa endowmen yang terdapat opsi surrender dalam kontraknya,
Lebih terperinciII. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang
II. LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan
Lebih terperinciPENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI
PENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 RINGKASAN ALIFTA DIAH AYU RETNANI.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciNILAI WAJAR ASURANSI ENDOWMEN MURNI DENGAN PARTISIPASI UNTUK TIGA SKEMA PEMBERIAN BONUS YUSUF
NILAI WAJAR ASURANSI ENDOWMEN MURNI DENGAN PARTISIPASI UNTUK TIGA SKEMA PEMBERIAN BONUS YUSUF SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPENDUGAAN TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK SYAMSURI
PENDUGAAN TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK SYAMSURI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita
Lebih terperinciPENJADWALAN PERAWAT MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT HASANAH GRAHA AFIAH DEPOK RUSTIANA IMALA PUTRI
PENJADWALAN PERAWAT MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT HASANAH GRAHA AFIAH DEPOK RUSTIANA IMALA PUTRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPEMODELAN HUBUNGAN PELANGGAN DAN PERUSAHAAN MENGGUNAKAN RANTAI MARKOV ADITYA PRAYUDANTO
PEMODELAN HUBUNGAN PELANGGAN DAN PERUSAHAAN MENGGUNAKAN RANTAI MARKOV ADITYA PRAYUDANTO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN
Lebih terperinciBAB II TINJAUAN PUSTAKA. Aljabar dapat didefinisikan sebagai manipulasi dari simbol-simbol. Secara
4 BAB II TINJAUAN PUSTAKA A. Aljabar Definisi II.A.: Aljabar (Wahyudin, 989:) Aljabar dapat didefinisikan sebagai manipulasi dari simbol-simbol. Secara historis aljabar dibagi menjadi dua periode waktu,
Lebih terperinciPERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER
PERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER LATHIFATURRAHMAH SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TUGAS AKHIR DAN SUMBER
Lebih terperinciMODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI
MODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya
Lebih terperinciINVERS DARI MATRIKS TRIDIAGONAL JACOBI FANI RIAMARLI
INVERS DARI MATRIKS TRIDIAGONAL JACOBI FANI RIAMARLI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK FANI RIAMARLI. Invers dari Matriks Tridiagonal
Lebih terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciII LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran
II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan diketahui
Lebih terperinciPOLA PELEPASAN UREA DARI SUPERABSORBEN KOPOLIMER ONGGOK-POLIAKRILAMIDA DENGAN BERBAGAI DERAJAT TAUT-SILANG PERTIWI UMUL JANNAH
POLA PELEPASAN UREA DARI SUPERABSORBEN KOPOLIMER ONGGOK-POLIAKRILAMIDA DENGAN BERBAGAI DERAJAT TAUT-SILANG PERTIWI UMUL JANNAH DEPARTEMEN KIMIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciANALISIS PERAMALAN PENJUALAN DAIHATSU PT. ASTRA INTERNATIONAL Tbk DAIHATSU CABANG BOGOR DALAM RANGKA PERENCANAAN KEUANGAN
ANALISIS PERAMALAN PENJUALAN DAIHATSU PT. ASTRA INTERNATIONAL Tbk DAIHATSU CABANG BOGOR DALAM RANGKA PERENCANAAN KEUANGAN Oleh IRNA DEWI YANI H24051957 DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN
Lebih terperinciPEMBAHASAN TES KEMAMPUAN DASAR SAINS DAN TEKNOLOGI SBMPTN 2013 KODE 431
PEMBAHASAN TES KEMAMPUAN DASAR SAINS DAN TEKNOLOGI SBMPTN 203 KODE 43. Persamaan lingkaran dengan pusat (,) dan menyinggung garis 3xx 4yy + 2 0 adalah Sebelum menentukan persamaan lingkarannya, kita tentukan
Lebih terperinciKAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI. Oleh : SITI NURBAITI G
KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI Oleh : SITI NURBAITI G14102022 DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007 ABSTRAK SITI
Lebih terperinciINTEGRAL RIEMANN-LEBESGUE
INTEGRAL RIEMANN-LEBESGUE Ikram Hamid Program Studi Pendidikan Matematika Jurusan Pendidikan Matematika dan Ilmu Pengetahuan Alam FKIP Universitas Khairun ABSTRACT In this paper, we discuss a Riemann-type
Lebih terperinciPENGARUH PENAMBAHAN KALSIUM KARBONAT PADA MEDIA BERSALINITAS 3 PPT TERHADAP TINGKAT KELANGSUNGAN HIDUP DAN PERTUMBUHAN BENIH IKAN PATIN Pangasius sp.
PENGARUH PENAMBAHAN KALSIUM KARBONAT PADA MEDIA BERSALINITAS 3 PPT TERHADAP TINGKAT KELANGSUNGAN HIDUP DAN PERTUMBUHAN BENIH IKAN PATIN Pangasius sp. YENI GUSTI HANDAYANI SKRIPSI PROGRAM STUDI TEKNOLOGI
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan seringkali dilakukan pengulangan yang biasanya dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul
Lebih terperincia. Static Portfolio Analysis: Markowitz (1959) b. Dynamic Portfolio Analysis c. Contingent Claims Analysis: Black and Scholes (1973), Merton (1973)
1. Pendahuluan Dalam pasar keuangan, beberapa instrument financial yang perlu dikenali: a. Stock (Equitis, Securities, Shares) b. Bonds : Corporate, Municipal, Government (Long Term Borrowing) c. Corporate
Lebih terperinciII. LANDASAN TEORI. Pada bagian ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan di dalam pembahasan.
II. LANDASAN TEORI Pada bagian ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan di dalam pembahasan. 2.1 Istilah Ekonomi dan Keuangan Definisi 1 (Investasi) Dalam keuangan,
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KUNJUNGAN WISATAWAN KE KAWASAN WISATA PANTAI CARITA KABUPATEN PANDEGLANG
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KUNJUNGAN WISATAWAN KE KAWASAN WISATA PANTAI CARITA KABUPATEN PANDEGLANG Oleh: RINA MULYANI A14301039 PROGRAM STUDI EKONOMI PERTANIAN DAN SUMBERDAYA FAKULTAS PERTANIAN
Lebih terperinciANALISIS KETIMPANGAN PENDAPATAN ANTAR PULAU DI INDONESIA. Oleh: REFA WISHA SATRIO SOETOPO H
ANALISIS KETIMPANGAN PENDAPATAN ANTAR PULAU DI INDONESIA Oleh: REFA WISHA SATRIO SOETOPO H14104105 DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2009 RINGKASAN REFA WISHA
Lebih terperinciKAJIAN OPTIMASI UNTUK MENINGKATKAN PROFITABILITAS PADA PT. PISMATEX, PEKALONGAN. Disusun Oleh : FARIS ANDINOVA YULIAWAN H
KAJIAN OPTIMASI UNTUK MENINGKATKAN PROFITABILITAS PADA PT. PISMATEX, PEKALONGAN Disusun Oleh : FARIS ANDINOVA YULIAWAN H24051223 DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR
Lebih terperinciPENENTUAN PERIODE OPTIMAL SPREADING GAINS AND LOSSES DENGAN MEMINIMUMKAN RAGAM KONTRIBUSI JANGKA PANJANG YOYOK HARIYANTO
PENENTUAN PERIODE OPTIMAL SPREADING GAINS AND LOSSES DENGAN MEMINIMUMKAN RAGAM KONTRIBUSI JANGKA PANJANG YOYOK HARIYANTO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciRandy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat ABSTRACT
PERKIRAAN SELANG KEPERCAYAAN UNTUK NILAI RATA-RATA PADA DISTRIBUSI POISSON Randy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat *email:
Lebih terperinciCatatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinciANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH
ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciANALISIS STRATEGI PEMASARAN DEPO PEMASARAN IKAN (DPI) AIR TAWAR SINDANGWANGI Kabupaten Majalengka, Jawa Barat. Oleh : WIDYA ANJUNG PERTIWI A
ANALISIS STRATEGI PEMASARAN DEPO PEMASARAN IKAN (DPI) AIR TAWAR SINDANGWANGI Kabupaten Majalengka, Jawa Barat Oleh : WIDYA ANJUNG PERTIWI A14104038 PROGRAM STUDI MANAJEMEN AGRIBISNIS FAKULTAS PERTANIAN
Lebih terperinciANALISIS GRAFOLOGI BERDASARKAN HURUF a DAN t MENGGUNAKAN ALGORITME K-NEAREST NEIGHBOR AMANDA KARATIKA HUBEIS
ANALISIS GRAFOLOGI BERDASARKAN HURUF a DAN t MENGGUNAKAN ALGORITME K-NEAREST NEIGHBOR AMANDA KARATIKA HUBEIS DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciANALISIS NILAI TAMBAH, EFISIENSI DAN FAKTOR- FAKTOR YANG MEMPENGARUHI OUTPUT INDUSTRI MINYAK GORENG SAWIT DI INDONESIA
ANALISIS NILAI TAMBAH, EFISIENSI DAN FAKTOR- FAKTOR YANG MEMPENGARUHI OUTPUT INDUSTRI MINYAK GORENG SAWIT DI INDONESIA OLEH M. FAJRI FIRMAWAN H14104120 DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN
Lebih terperinciEVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH
EVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007 ABSTRAK RUDIANSYAH. Evaluasi
Lebih terperinciPENGENALAN POLA SECARA STATISTIKA DENGAN PENDEKATAN ANALISIS DISKRIMINAN LINIER 2-DIMENSI SIMETRIS SKRIPSI RINA WIDYASARI
PENGENALAN POLA SECARA STATISTIKA DENGAN PENDEKATAN ANALISIS DISKRIMINAN LINIER 2-DIMENSI SIMETRIS SKRIPSI RINA WIDYASARI 060803052 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciPENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL
PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL Ro fah Nur Rachmawati Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl.
Lebih terperinciAPLIKASI MODEL BINOMIAL DALAM FORWARD CONTRACT DAN FORWARD EXCHANGE RATE CONTRACT HARYANTO
APLIKASI MODEL BINOMIAL DALAM FORWARD CONTRACT DAN FORWARD EXCHANGE RATE CONTRACT HARYANTO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 203 2 ABSTRAK
Lebih terperinciPENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA
i PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 i ABSTRAK ANA
Lebih terperinciPERBANDINGAN SOLUSI NUMERIK INTEGRAL LIPAT DUA PADA FUNGSI FUZZY DENGAN METODE ROMBERG DAN SIMULASI MONTE CARLO
PERBANDINGAN SOLUSI NUMERIK INTEGRAL LIPAT DUA PADA FUNGSI FUZZY DENGAN METODE ROMBERG DAN SIMULASI MONTE CARLO Ermawati i, Puji Rahayu ii,, Faihatus Zuhairoh iii i Dosen Jurusan Matematika FST UIN Alauddin
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Flowchart Penelitian Gambar 3.1 Flowchart Diagram 36 37 3.2 Langkah-Langkah Penelitian Metodologi penelitian merupakan tahapan yang harus ditetapkan sebelum melakukan penelitian,
Lebih terperinciPENYELESAIAN PERMAINAN SUDOKU, CHALLENGER PUZZLE, DAN N-QUEENS PROBLEM MENGGUNAKAN INTEGER PROGRAMMING ALI VIKRI
PENYELESAIAN PERMAINAN SUDOKU, CHALLENGER PUZZLE, DAN N-QUEENS PROBLEM MENGGUNAKAN INTEGER PROGRAMMING ALI VIKRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciMETODE BINOMIAL UNTUK MENENTUKAN HARGA OPSI CALL INDONESIA DAN STRATEGI LINDUNG NILAINYA JAENUDIN
METODE BINOMIAL UNTUK MENENTUKAN HARGA OPSI CALL INDONESIA DAN STRATEGI LINDUNG NILAINYA JAENUDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciPENENTUAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN DAN TITIK KESETIMBANGANNYA DALAM PORTOFOLIO HETEROGEN
PENENTUAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN DAN TITIK KESETIMBANGANNYA DALAM PORTOFOLIO HETEROGEN (PREMIUM PRICING BASED ON DEMAND FUNCTION AND EQUILIBRIUM POINT IN HETEROGENOUS PORTOFOLIO) Usep
Lebih terperinciKAJIAN KELENGKUNGAN PERSAMAAN
KAJIAN KELENGKUNGAN PERSAMAAN KURVA DI RR Iis Herisman, Komar Baihaqi Jurusan Matematika, Institut Teknologi Sepuluh Nopember, Surabaya iis@matematikaitsacid, komar@matematikaitsacid Abstrak Tujuan dari
Lebih terperinciPENDUGAAN FUNGSI SEBARAN DALAM MODEL NONPARAMETRIK RONI WIJAYA
PENDUGAAN FUNGSI SEBARAN DALAM MODEL NONPARAMETRIK RONI WIJAYA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciMODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA
MODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 Hak Cipta milik Institut Pertanian Bogor, tahun 2008 Hak Cipta dilindungi
Lebih terperinciPENYELESAIAN MASALAH KONEKTIVITAS DI AREA KONSERVASI DENGAN ALGORITME HEURISTIK NUR WAHYUNI
PENYELESAIAN MASALAH KONEKTIVITAS DI AREA KONSERVASI DENGAN ALGORITME HEURISTIK NUR WAHYUNI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 ABSTRAK NUR
Lebih terperinciMETODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE
METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciMANAJEMEN PEMANTAUAN PERANGKAT JARINGAN KOMPUTER INSTITUT PERTANIAN BOGOR BAGUS AULIA RAHMAN
MANAJEMEN PEMANTAUAN PERANGKAT JARINGAN KOMPUTER INSTITUT PERTANIAN BOGOR BAGUS AULIA RAHMAN DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008 MANAJEMEN
Lebih terperinciPENGARUH KOMPOSISI BAHAN PELAPIS DAN Methylobacterium spp. TERHADAP DAYA SIMPAN BENIH DAN VIGOR BIBIT KACANG PANJANG (Vigna sinensis L.
PENGARUH KOMPOSISI BAHAN PELAPIS DAN Methylobacterium spp. TERHADAP DAYA SIMPAN BENIH DAN VIGOR BIBIT KACANG PANJANG (Vigna sinensis L.) PUTRI EKA SARI A24050450 DEPARTEMEN AGRONOMI DAN HORTIKULTURA FAKULTAS
Lebih terperinciANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G4004 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO
PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciDINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH
DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009 ABSTRACT DARWISAH. Dynamics
Lebih terperinci