Makalah Matematika Asuransi MODEL PARAMETRIK TAHAN HIDUP
|
|
- Fanny Iskandar
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Makalah Matematika Asuransi MODEL PARAMETRIK TAHAN HIDUP Disusun Oleh : 1. Intan Wijaya M Nariswari Setya D. M Rahmawati Oktriana M Sri Maria Puji L. M JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET 011
2 MODEL PARAMETRIK TAHAN HIDUP Pada literatur asuransi, beberapa teori distribusi untuk variabel random nonnegatif telah digunakan secara luas untuk mencocokkan data empiris pada usia saat kematian. Keberhasilan dalam menerapkan sebuah distribusi parametrik bergantung pada keragaman dari keluarga distribusi untuk mencocokkan data empiris dan model matematika. Di sini akan dijelaskan beberapa distribusi yang sebaiknya dikenal. 1. DISTRIBUSI UNIFORM Suatu variabel random kontinu X yang diasumsikan hanya mempunyai nilai pada interval terbatas katakanlah interval (a,b] dan diberikan suatu pdf yang mempunyai nilai konstan, misalkan f(x) = c = 1 = = = = 1 Sehingga diperoleh pdf dari X konstan dengan interval (a,b], sebagai berikut : Persamaan (1) 1,< 0, Secara umum, CDF dari distribusi Uniform adalah sebagai berikut : ;;= 1 0,,<,>
3 SDF ( Survival Distribution Function ) atau fungsi distribusi tahan hidupnya adalah : Persamaan () 1,,< 0,> Rata-rata dan variansi dari X diberikan secara berurutan sebagai berikut : Persamaan (3) Rata-rata dari X = = = = + = + 1 = = = 1 3 = ++ 3 = ++ 3
4 Variansi dari X = = ++ 3 = 1 = 1 + Jika X berdistribusi Uniform, maka variabel waktu tahan hidup mendatang T juga berdistribusi Uniform. Ada dua kondisi : a. Saat kondisi usia <, T berdistribusi Uniform dengan, b. Saat kondisi usia, T berdistribusi Uniform dengan 0, Dimana semua T berdistribusi Uniform dengan interval max,0,, dan persamaan (1) sampai (3) juga diterapkan pada T dengan diganti dengan max,0 dan diganti dengan. Pada kasus khusus, yaitu =0, distribusi Uniform disebut juga dengan Moivre s Law. Pada kasus ini probabilitas bersyarat kematian seseorang berusia dalam waktu tahun adalah : Persamaan (4) =1 = 1 =, 0< Persamaan di atas bergantung pada. Force of Mortality- nya adalah : Persamaan (5) = = 1 = 1,0<
5 Maka, diperoleh : Contoh: Persamaan (6) = + = Persamaan di atas bergantung pada, tetapi tidak bergantung pada. Diketahui Ditanyakan Penyelesaian : :,4 : Tentukan mean dan variansi dari T, untuk (a). x = 1.5 (b). x =.5,4, dengan a =, dan b = 4. Pdf, = = = = + = 1 (a). untuk x = 1.5 karena x = 1.5 < a =, maka, 1.5; ;.5, ;< 4 Sehingga, diperoleh mean dan variansi dari T : = + = 1 (b). untuk x =.5 karena x =.5 a =, maka = = 3 =1.5 = , 0;4.5 = 4 1 =1 3
6 0;1.5, Sehingga, diperoleh mean dan variansi dari T : = + = 1 = = = 3 4 =0.75 =.5 1 = DISTRIBUSI EKSPONENSIAL a) X EXP(λ) Pdf, =, >0, >0 CDF, =1 SDF, = Pembuktian CDF : = = = = 1 = =1 Pembuktian SDF: =1 =1 1 = Mean dan variansi dari X : = 1 = 1
7 Pembuktian mean dari X =. =. =. misal, = = = + 1 = 1 = 1 = = 1 = = = 1 Pembuktian variansi dari X V = =. =. =. misal, = = = 1 =
8 = =. +. = = =... misal, = = = 1 = = = = Sehingga diperoleh, = = 1 = 1 b) T EXP(λ) dimana distribusi ini tidak bergantung pada x. SDF untuk waktu hidup mendatang : = + = =
9 Konstanta Force of Mortality (kekuatan kematian) dari distribusi Eksponensial, yaitu : = =λ =λ Karena X berdistribusi eksponensial, maka variabel waktu tahan hidup mendatang T juga berdistribusi eksponensial, T EXP(λ), dimana distribusi ini tidak bergantung pada x. SDF untuk waktu tahan hidup mendatang, yaitu: = + = = Probabilitas seseorang berusia x tahun akan mati pada t tahun: =1 =1 Probabilitas seseorang berusia waktu (t, t+s] tahun: x tahun akan bertahn hidup selama selang =1 1 =1 Contoh (Distribusi eksponensial Waktu menunggu hingga kejadian benar benar terjadi): 1. Dalam teori antrian, jarak antar kedatangan pelanggan di fasilitas pelayanan (seperti bank, loket kereta api, dan tukang cukur) memenuhi distribusi eksponensial.. Seseorang yang ikut asuransi jiwa, lahir pada usia x tahun dan meninggal pada usia x+t tahun. Maka selang waktu tahan hidup t tahun berdistribusi eksponensial.
10 Berikut adalah grafik fungsi tahan hidup dari distribusi eksponensial 8 Scatterplot of y vs x y x Distribusi Gompertz Menurut Wai Sum Chan dan Yui Kuen Tse [1], dengan SDF dari distribusi Gompertz = 1,>0,>0,>0. Dari SDF maka didapatkan CDF sebagai berikut : =1 1 Sehingga dari fungsi tersebut didapatkan juga pdf sebagai berikut : = 1 1 = 1 1 = 1 = 1 Sehingga diperoleh Force Mortality-nya sebagai berikut = = 1 =,>0 >0 1 R merupakan tingkat kematian umum dan a adalah laju pertumbuhan umur yang spesifik dari force mortality.
11 Benyamin Gompertz (185) mengemukankan bahwa force mortality akan semakin meningkat secara eksponensial. Menurut Jordan, C.W [] fungsi Force Mortality-nya didapatkan sebagai berikut dan pdf adalah = dimana B dan c adalah parameter,,=, 0,>0, 1 Sehingga didapatkan plot Distribusi Gompetz sebagai berikut (dengan X, C dan B yang berbeda-beda) Dari Plot tersebut dapat terlihat bahwa semakin besar B maka plot akan semakin mendekati sumbu x dan semakin besar c maka titik puncaknya akan semakin bergeser kekiri. Meskipun model tersebut dapat digunakan secara luas pada bidang asuransi, tetapi kurang sesuai dengan model matematika. Terutama moment dari distribusinya sulit untuk dihitung.
12 4. Distribusi Makeham Diberikan SDF dari distribusi Makeham sebagai berikut : =exp 1, >0,>0,>,>0. Dari SDF maka didapatkan CDF sebagai berikut : =1 =1 1 Sehingga dari fungsi tersebut didapatkan juga pdf sebagai berikut : = 1 1 = 1 1 = 1 =+ 1 Sehingga diperoleh Force Mortality-nya sebagai berikut = =+ 1 =+ 1 Probabilitas seseorang berusia x tahun akan mati pada t tahun: =1 =1 exp 1 Distribusi Makeham adalah generalisasi dari distribusi Gompertz dengan suatu parameter ekstra A. Ketika menguraikan angka kematian manusia secara empiris, parameter distribusi Makeham sering terbatas pada cakupan berikut : 0.001<<0.003, <<0.001, 0.077<<0.113 Seperti Distribusi Gompertz, distribusi Mahekam tidak sesuai dengan bentuk matematika dan moment-nya sukar dihitung. Contoh : Asumsi bahwa mengikuti suatu distribusi Makeham dengan parameter = 0.00, =0.0001, dan =0.1. (a) untuk =0,10,0,,100, (b) Pr0< 40, dan (c).
13 Solusi: (a) Tabel berikut menunjukkan untuk =0,10,0,, Untuk x = 0 diperoleh 0=1, karena terdapat ketetapan sebagai berikut : 0=0 0=1 =1 =0 Untuk x = 10 diperoleh 10=exp 0,0001 0,1 1,. 0,00.10 =exp0,0011 0,0 =exp0,001 0,001 0,0 =exp0,001 0,007 0,0 =exp 0,017 =0,97853 Untuk x = 0 diperoleh
14 0=exp 0,0001 0,1 1,. 0,00.0 =exp0,0011 0,04 =exp0,001 0,001 0,04 =exp0,001 0,0073 0,04 =exp 0,0463 =0,9547 Untuk x = 30 diperoleh 30=exp 0,0001 0,1 1,. 0,00.30=0.940 Untuk x = 40 diperoleh 40=exp 0,0001 0,1 1,. 0,00.40= Untuk x = 50 diperoleh 50=exp 0,0001 0,1 1,. 0,00.50= Untuk x = 60 diperoleh 60=exp 0,0001 0,1 1,. 0,00.60= Untuk x = 70 diperoleh 70=exp 0,0001 0,1 1,. 0,00.70=0.907 Untuk x = 80 maka 80=exp 0,0001 0,1 1,. 0,00.80= Untuk x = 90 diperoleh 90=exp 0,0001 0,1 1,. 0,00.90= Untuk x = 100 diperoleh 100=exp 0,0001 0,1 1,. 0,00.100=0.000 (b) Pr0< 40= 0 40= =0.0798, dan
15 (c) FM-nya adalah = untuk distribusi Makeham, = exp 1 =exp 1 exp 1 =exp 1 1+ Oleh karena itu, =+ Untuk =0.00, =0.0001, =0.1, dan =60, =+ = Distribusi Weibull Weibull(1939) mengemukakan SDF dari distribusi Weibull adalah =,>0,>0, >0 Dengan persamaan CDF nya sebagai berikut : =1 =1 Dari persamaan CDF di atas diperoleh pdf untuk distribusi Weibull sebagai berikut : = 1 exp = exp
16 = exp = Diperoleh persamaan Force of Mortality-nya sebagai berikut : = = 1 1 exp = 1 = 1 1 = 1 = Asumsi implisit (tersembunyi) dari distribusi Weibull adalah bahwa kematian tidak terjadi sebelum usia. Dengan demikian FM sama dengan nol untuk <.
17 Daftar Pustaka [1] Wai Sum Chan and Yui Kuen Tse (006) : Financial and Actuarial Mathematic, mc graw hill. [] Jordan, C.W (198) : Life Contingencies, Second Edition, Chicago:Society of Actuaries. [3] Hans U. Garber (1997) : Life Insurance Mathematics, Third edition, Springer. [4] Jerry Alan Veeh (006) : Lecture Notes on Actuarial Mathematics.
III. METODOLOGI PENELITIAN. Penelitian ini dilakukan pada semester genap tahun ajaran 2014/2015 di Jurusan
III METODOLOGI PENELITIAN 31 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun ajaran 2014/2015 di Jurusan Matematika dan Ilmu Pengetahuan Alam Universitas Lampung 32 Metode
Lebih terperinciBAB I PENDAHULUAN. 1.2 Rumusan Masalah Bagaimana peranan statistika matematika dalam menentukan anuitas premi asuransi jiwa?
BAB I PENDAHULUAN 1.1 Latar Belakang Asuransi Jiwa adalah asuransi yang memberikan pembayaran sejumlah uang tertentu atas kematian tertanggung kepada anggota keluarga atau orang yang berhak menerimanya
Lebih terperinciII. TINJAUAN PUSTAKA. 2.1 Fungsi Keberlangsungan Hidup (Survival Function) Misalkan adalah usia seseorang saat menutup polis asuransi, sehingga adalah
II. TINJAUAN PUSTAKA 2.1 Fungsi Keberlangsungan Hidup (Survival Function) Misalkan adalah usia seseorang saat menutup polis asuransi, sehingga adalah peubah acak waktu meninggal. Fungsi distribusi dinyatakan
Lebih terperinciPENENTUAN BESARNYA ANUITAS HIDUP DENGAN MENGGUNAKAN NILAI ASUMSI PADA DISTRIBUSI SISA USIA
PENENTUAN BESARNYA ANUITAS HIDUP DENGAN MENGGUNAKAN NILAI ASUMSI PADA DISTRIBUSI SISA USIA Farah Kristiani (farah@home.unpar.ac.id) Jurusan Matematika FTIS Universitas Katolik Parahyangan ABSTRACT There
Lebih terperinciI. PENDAHULUAN. Perkembangan teori statistika telah mempengaruhi hampir semua aspek. Dalam teori statistika dan peluang, distribusi gamma (
I. PENDAHULUAN 1.1. Latar Belakang dan Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciBab 2 Distribusi Survival dan Tabel Mortalitas
Bab 2 Distribusi Survival dan Tabel Mortalitas 2.1 Distribusi Survival Meninggalnya seseorang merupakan sesuatu yang pasti terjadi namun kapan terjadinya tidak dapat diprediksi. Karena itu, ketahanan hidup
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciKarakteristik Limit dari Proses Kelahiran dan Kematian
Karakteristik Limit dari Proses Kelahiran dan Kematian Disusun guna memenuhi tugas mata kuliah Pengantar Proses Stokastik Disusun oleh : Saidun Nariswari Setya Dewi Lisa Apriana Marvina Puspito Nita Eka
Lebih terperinciSumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X
Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana
Lebih terperinciPERHITUNGAN NILAI-NILAI AKTUARIA DENGAN ASUMSI TINGKAT SUKU BUNGA BERUBAH SECARA STOKASTIK
PERHITUNGAN NILAI-NILAI AKTUARIA DENGAN ASUMSI TINGKAT SUKU BUNGA BERUBAH SECARA STOKASTIK Kumala Dewi S.; Ferry Jaya Permana; Farah Kristiani Jurusan Matematika, Fakultas Teknologi dan Ilmu Sains, Universitas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. yaitu meliputi data dan metode analisis data yang digunakan untuk menentukan interval
BAB IV HASIL DAN PEMBAHASAN 4.1 Pendahuluan Pada bab sebelumnya telah dijelasakan mengenai pemecahan masalah penelitian, yaitu meliputi data dan metode analisis data yang digunakan untuk menentukan interval
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kita pasti sudah tidak asing lagi dengan asuransi. Dewasa ini, bisnis asuransi mulai berkembang dengan pesat di Indonesia. Tidak sedikit lagi orang yang berpikir
Lebih terperinciMAKALAH DISTRIBUSI GAMMA DI SUSUN OLEH AWAN ARGA SAPUTRA DESSY ROFICA WULANDARI SUHENDRA PRADESA
MAKALAH DISTRIBUSI GAMMA DI SUSUN OLEH AWAN ARGA SAPUTRA 12611006 DESSY ROFICA WULANDARI 12611018 SUHENDRA PRADESA - 12611089 SRI SISKA WIRDANIYATI 12611125 UNIB SEDYA PAMUJI - 12611150 JURUSAN STATISTIKA
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciBAB II LANDASAN TEORI. Untuk menghitung nilai cadangan asuransi secara umum, maka dibutuhkan
5 BAB II LANDASAN TEORI Untuk menghitung nilai cadangan asuransi secara umum, maka dibutuhkan beberapa teori dasar yang dapat menyederhanakan permasalahan dan mempermudah proses perhitungan dan analisis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN Makalah ini akan membahas tentang tabel kehidupan. Meskipun distribusi parametrik survival mempunyai kelebihan dalam hal meringkas proses kematian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu fenomena dalam kehidupan sehari-hari yang sering terjadi adalah fenomena penungguan. Fenomena ini biasa terjadi apabila kebutuhan akan suatu pelayanan melebihi
Lebih terperinciNILAI TUNAI ANUITAS HIDUP AWAL UNTUK STATUS GABUNGAN BERDASARKAN DISTRIBUSI GOMPERTZ DAN DISTRIBUSI MAKEHAM. Deni Afrianti 1, Hasriati 2 ABSTRACT
NILAI TUNAI ANUITAS HIDUP AWAL UNTUK STATUS GABUNGAN BERDASARKAN DISTRIBUSI GOMPERTZ DAN DISTRIBUSI MAKEHAM Deni Afrianti 1, Hasriati 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika
Lebih terperinciPENERAPAN HUKUM MORTALITA MAKEHAM DAN TINGKAT SUKU BUNGA STOKASTIK UNTUK PERHITUNGAN NILAI TUNAI MANFAAT
PENERAPAN HUKUM MORTALITA MAKEHAM DAN TINGKAT SUKU BUNGA STOKASTIK UNTUK PERHITUNGAN NILAI TUNAI MANFAAT Valensia Huang; Farah Kristiani Jurusan Matematika, Fakultas Teknologi Informasi dan Sains, Universitas
Lebih terperinciDISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinci3 BAB III LANDASAN TEORI
3 BAB III LANDASAN TEORI 3.1 Pemeliharaan (Maintenance) 3.1.1 Pengertian Pemeliharaan Pemeliharaan (maintenance) adalah suatu kombinasi dari setiap tindakan yang dilakukan untuk menjaga suatu barang dalam,
Lebih terperinciOLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S
OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinciSTATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP
STATISTICS WEEK 5 Hanung N. Prasetyo Kompetensi 1. Mahasiswa memahamikonsep dasar distribusi peluang kontinu khusus seperti uniform dan eksponensial 2. Mahasiswamampumelakukanoperasi hitungyang berkaitan
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po
MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*
Lebih terperinciBAB III METODOLOGI PENELITIAN. Langkah perancangan yang akan dilakukan adalah sebagai berikut: produksi pada departemen plastik
BAB III METODOLOGI PENELITIAN 3.1 Langkah Perancangan Langkah perancangan yang akan dilakukan adalah sebagai berikut: a. Melakukan studi literatur sejumlah buku yang berkaitan dengan preventive maintenance.
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Aktuaria adalah suatu disiplin ilmu yang menerapkan matematika dan metode statistika dalam memperkirakan dan menentukan baik secara kualitatif maupun kuantitatif
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Continuous Probability Distributions.
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Continuous Probability Distributions 1 Continuous Probability Distributions Normal Distribution Uniform Distribution Exponential Distribution
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciMinggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA
CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi
Lebih terperinciMata Kuliah Pemodelan & Simulasi
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciApa penyebab kematian? Bagaimana cara membuat tabel mortalitas?
BAB I PENDAHULUAN 1.1. Latar Belakang Mortalitas atau kematian merupakan salah satu diantara tiga komponen proses demografi yang berpengaruh terhadap struktur penduduk selain fertilitas dan migrasi. Tinggi
Lebih terperinciMODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI
MODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI Puspitaningrum Rahmawati, Bambang Susanto, Leopoldus Ricky Sasongko Program Studi Matematika (Fakultas Sains dan Matematika,
Lebih terperinciBAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciPROSES KEMATIAN MURNI (Pure Death Processes)
PROSES KEMATIAN MURNI (Pure Death Processes) Komplemen dari bertambahnya proses kelahiran murni adalah dengan penurunan proses kematian murni. Hal itu ditunjukkan keberhasilan melewati state,,, 2, dan
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR
BAB IV PEMBAHASAN 4.1 Proses Pencabangan model DTMC SIR Proses pencabangan suatu individu terinfeksi berbentuk seperti diagram pohon dan diasumsikan bahwa semua individu terinfeksi adalah saling independent
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih terperinciBAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer
BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciMinggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA
CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciBAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi
BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi Garansi dapat diartikan sebagai jaminan yang diberikan secara tertulis oleh pabrik atau supplier kepada
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciPERLUASAN DISTRIBUSI CHEN (DISTRIBUSI XTG)
PERLUASAN DISTRIBUSI CHEN (DISTRIBUSI XTG) Ana Zuliastuti 1, Sarini 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1. Metode Pengambilan Sampling 2.1.1. Populasi Populasi adalah kelompok elemen yang lengkap, yang biasanya berupa orang, objek, transaksi, atau kejadian dimana kita tertarik untuk
Lebih terperinciMODEL ANTRIAN BUS ANTAR KOTA DI TERMINAL TIRTONADI
MODEL ANTRIAN BUS ANTAR KOTA DI TERMINAL TIRTONADI Wadzkur Rahmaan Luthfi Syarifudin, Hasih Pratiwi, Supriyadi Wibowo Program Studi Matematika Fakultas Matematika dan Ilmu pengetahuan Alam Universitas
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Risk: Quantify and Control Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang MA4183 Model Risiko
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 21 Beberapa Pengertian Definisi 1 [Ruang Contoh] Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan (Grimmet dan Stirzaker,1992)
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor riil saja seperti pertanian, industri, dan agrobisnis,
1 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pada negara yang sedang berkembang, merupakan tugas utama pemerintah untuk senantiasa meningkatkan pertumbuhan ekonomi dan pembangunan negara. Pemerintah
Lebih terperinciBab 2. Tinjauan Pustaka. 2.1 Pendahuluan. 2.2 Bunga Majemuk
Bab 2 Tinjauan Pustaka 2.1 Pendahuluan Sebelum melakukan penganalisisan untuk pemodelan matematika aktuaria yang mengarah ke reversionary anuities maka kita perlu memperkaya diri dengan teoriteori pendukungnya
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 2015 Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu. Ruang
Lebih terperinciCADANGAN PROSPEKTIF ASURANSI JIWA DWIGUNA DENGAN ASUMSI SERAGAM
CADANGAN PROSPEKTIF ASURANSI JIWA DWIGUNA DENGAN ASUMSI SERAGAM Rosalina Margaretta 1*, Hasriati 2, Harison 2 1 Mahasiswa Program S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciPengantar Proses Stokastik
Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Dalam bab ini diuraikan dua subbab yaitu tinjauan pustaka dan landasan teori. Subbab tinjauan pustaka memuat hasil-hasil penelitian yang telah dilakukan. Subbab landasan teori memuat
Lebih terperinciBAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.
BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut
Lebih terperinciDistribusi Probabilitas : Gamma & Eksponensial
Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya
Lebih terperinciCADANGAN ZILLMER BERDASARKAN DISTRIBUSI MAKEHAM DENGAN MENGGUNAKAN TINGKAT BUNGA MODEL RENDLEMAN-BARTTER. Rusti Nella Rinawati 1, Hasriati 2 ABSTRACT
CADANGAN ZILLMER BERDASARKAN DISTRIBUSI MAKEHAM DENGAN MENGGUNAKAN TINGKAT BUNGA MODEL RENDLEMAN-BARTTER Rusti Nella Rinawati, Hasriati 2 Mahasiswa Program Studi S Matematika 2 Dosen Jurusan Matematika
Lebih terperinciLEMBAR PERNYATAAN DEWAN PENGUJI
2006 DAFTAR ISI Halaman HALAMAN JUDUL LUAR... i HALAMAN JUDUL DALAM... ii LEMBAR PENGESAHAN...... iii LEMBAR PERNYATAAN DEWAN PENGUJI... iv ABSTRAK... v KATA PENGANTAR... vi DAFTAR ISI... viii DAFTAR TABEL...
Lebih terperinciDISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS
DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK
Lebih terperinciPREMI ASURANSI JIWA SEUMUR HIDUP DENGAN MODEL ARIMA PADA KASUS DOUBLE DECREMENT ABSTRACT ABSTRAK 1. PENDAHULUAN
PREMI ASURANSI JIWA SEUMUR HIDUP DENGAN MODEL ARIMA PADA KASUS DOUBLE DECREMENT Destiur Manalu 1, T. P. Nababan 2, Hasriati 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Jurusan
Lebih terperinciANALISIS SISTEM ANTRIAN SATU SERVER (M/M/1)
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 59 66 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS SISTEM ANTRIAN SATU SERVER (M/M/1) ERIK PRATAMA, DODI DEVIANTO Program Studi Matematika, Fakultas
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan
II. TINJAUAN PUSTAKA 2.1 Analisis Survival Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan menduga probabilitas kelangsungan hidup, kekambuhan, kematian, dan peristiwaperistiwa
Lebih terperinciTUGAS BESAR PROBABILITAS DAN STATISTIK
TUGAS BESAR PROBABILITAS DAN STATISTIK DISTRIBUSI GAMMA (EKSPONENSIAL, CHI-SQUARE, DAN EKSPONENSIAL NEGATIF) Oleh : Kelompok 4 NAMA MAHASISWA NIM 1. Ade Firmansyah 131910201032 2. Novita Murti Hernandes
Lebih terperinciANALISIS RELIABILITAS PADA MESIN MEISA KHUSUSNYA KOMPONEN PISAU PAPER BAG UNTUK MEMPEROLEH JADUAL PERAWATAN PREVENTIF
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 42-51 ANALISIS RELIABILITAS PADA MESIN MEISA KHUSUSNYA KOMPONEN PISAU PAPER BAG
Lebih terperinciPERSATUAN AKTUARIS INDONESIA
PERSATUAN AKTUARIS INDONESIA Komisi Penguji PERSATUAN AKTUARIS INDONESIA UJIAN PROFESI AKTUARIS MATA UJIAN : A70 Pemodelan dan Teori Risiko TANGGAL : 24 Juni 2014 JAM : 13.30 16.30 WIB LAMA UJIAN : 180
Lebih terperinciPERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 139 146 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Antrian 2.1.1. Sejarah Teori Antrian. Teori antrian adalah teori yang menyangkut studi matematis dari antrian atau baris-baris penungguan. Teori antrian berkenaan dengan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data antar kejadian (time-to-event data) adalah data lama waktu sampai suatu peristiwa terjadi atau sering disebut data survival. Untuk memperoleh data antar
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciNilai Akumulasi Anuitas Berjangka Dengan Distribusi Makeham Pada Status Hidup Gabungan
Nilai Akumulasi Anuitas Berjangka Dengan Distribusi Makeham Pada Status Hidup Gabungan Nilwan Andiraja 1, Azhar Fadli 2 1,2 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinciBAB 2 LANDASAN TEORI. harus menunggu dalam sebuah proses manufaktur untuk diproses ke tahap
BAB 2 LANDASAN TEORI 2.1 Pengertian Antrian Siapapun yang pernah pergi berbelanja ke supermarket atau ke bioskop mengalami ketidaknyamanan dalam mengantri. Dalam hal mengantri, tidak hanya manusia saja
Lebih terperinciANALISIS ANTRIAN MULTI CHANNEL MULTI PHASE PADA ANTRIAN PEMBUATAN SURAT IZIN MENGEMUDI DENGAN MODEL ANTRIAN (M/M/c):( )
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 2 (2015), hal 127-134 ANALISIS ANTRIAN MULTI CHANNEL MULTI PHASE PADA ANTRIAN PEMBUATAN SURAT IZIN MENGEMUDI DENGAN MODEL ANTRIAN (M/M/c):(
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Distribusi eksponensial tergenaralisir (Generalized Eponential Distribution) pertama kali diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil
Lebih terperinciMODEL PENYUSUTAN MAJEMUK JUMLAH PESERTA ASURANSI PADA ASURANSI JIWA
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 99 17 ISSN : 233 291 c Jurusan Matematika FMIPA UNAND MODEL PENYUSUTAN MAJEMUK JUMLAH PESERTA ASURANSI PADA ASURANSI JIWA WILLIAM HUDA, DODI DEVIANTO, YUDIANTRI
Lebih terperinciTINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan:
II. TINJAUAN PUSTAKA Dalam tinjauan pustaka penelitian Karakteristik Penduga Parameter Distribusi Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan beberapa definisi dan teorema yang
Lebih terperinciSeminar Hasil Tugas Akhir
Seminar Hasil Tugas Akhir FALAH EGY SUJANA (1209100050) JURUSAN MATEMATIKA FMIPA-ITS SIMULASI ANTRIAN SISTEM PELAYANAN NASABAH (STUDI KASUS : BANK X) Pembimbing : Drs. Soetrisno, MI.Komp. LATAR BELAKANG
Lebih terperinciPengantar Proses Stokastik
Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai
Lebih terperinciMinggu 1 Review Peubah Acak; Karakteristik Time Series. Minggu 4-6 Model Moving Average (MA), Autoregressive (AR)
CNH4S3 Analisis Time Series [Dosen] Aniq A Rohmawati, M.Si [Jadwal] Need to reschedule? [About] The purpose of time series analysis is generally twofold: to understand or model the stochastic mechanism
Lebih terperinciPREMI ASURANSI JIWA GABUNGAN BERJANGKA DENGAN ASUMSI GOMPERTZ
PREMI ASURANSI JIWA GABUNGAN BERJANGKA DENGAN ASUMSI GOMPERTZ Danu Aditya 1, Johannes Kho 2, T. P. Nababan 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih terperinciPEMODELAN DAN SIMULASI UNTUK MENGETAHUI KEBANGKRUTAN PERUSAHAAN ASURANSI BERDASARKAN UKURAN KLAIM
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 3025 PEMODELAN DAN SIMULASI UNTUK MENGETAHUI KEBANGKRUTAN PERUSAHAAN ASURANSI BERDASARKAN UKURAN KLAIM Nanda Putri Mintari Prodi
Lebih terperinciSIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL
SEMINAR TUGAS AKHIR SIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL (STUDI KASUS TERMINAL MIRAH PELABUHAN TANJUNG PERAK SURABAYA) Oleh : Risky Abadi 1203.109.004 Latar Belakang Pelabuhan Tanjung Perak sebagai
Lebih terperinci