Generalized Linear Model
|
|
- Sudomo Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 5 Generalized Linear Model
2 Estimasi Loss Reserve Incurred But Not Reported (IBNR) dengan General Linear Model Menggunakan Gauss Markov Elsa Emeliana 1,a), Lienda Noviyanti 2, b), Achmad Zanbar Soleh 1 Mahasiswa Statistika Terapan, Universitas Padjadjaran 2 Dosen Statistika Terapan, Universitas Padjadjaran a) elsameliala@ymail.com 2, c) ABSTRAK Perusahaan asuransi dituntut harus menyediakan dana yang digunakan untuk membayar uang pertanggungan kerugian yang disebut sebagai loss reserve. Jika loss reserve tidak dapat dipersiapkan atau diestimasi maka apabila suatu saat terjadi klaim akan berpengaruh terhadap pembayaran klaim, seperti keterlambatan bahkan ketidaksanggupan membayar klaim. Perusahaan harus memperhitungkan cadangan klaim peristiwa yang sudah terjadi tetapi belum dilaporkan ke pihak perusahaan asuransi (IBNR). GLM merupakan model stokastik yang erat hubungannya dengan proses mencadangkan klaim stokastik. GLM merupakan bentuk umum dari regresi linier yang dapat digunakan untuk memodelkan IBNR dilengkapi dengan standar errornya. Dalam proses estimasi loss reserve dengan GLM digunakan estimator Gauss Markov. Gauss Markov merupakan estimator yang bersifat Best Linear Unbiased Estimator (BLUE). Sehingga, dalam makalah ini untuk mengestimasi loss reserve akan digunakan estimator Gauss Markov dengan GLM sebagai pendekatan terhadap additive model. Kata kunci : Loss Reserve, IBNR, Generalized Linear Model, Gauss Markov 1. PENDAHULUAN Manusia selalu menghadapi ketidakpastian yang dapat menimbulkan kerugian. Mulai dari risiko kehilangan aset atau harta, risiko sakit, cacat total hingga risiko kehilangan jiwa atau meninggal. Ketidakpastian akan terjadinya peristiwa tersebut dapat terjadi pada siapa saja dan kapan saja. Hal tersebut menimbulkan kerugian ekonomis sehingga dibutuhkan suatu cara untuk mengantisipasi risiko tersebut. Salah satu cara untuk antisipasi risiko tersebut yaitu dengan mengalihkan/transfer risiko kepada pihak lain yaitu perusahaan asuransi. Tertanggung akan mendapat ganti rugi/klaim dari perusahaan asuransi sesuai perjanjian/kontrak yang telah disepakati oleh kedua belah pihak, apabila terjadi hal-hal yang termasuk dalam kesepakatan. Oleh karena itu perusahaan asuransi dituntut harus menyediakan dana yang digunakan untuk membayar uang pertanggungan kerugian yang disebut sebagai loss reserve, sehingga perusahaan asuransi dapat memberikan manfaat sesuai dengan perjanjian pada polis asuransi. Loss reserve memiliki pengaruh terhadap pembayaran klaim. Jika loss reserve tidak dapat dipersiapkan atau diestimasi maka apabila suatu saat terjadi klaim akan berpengaruh terhadap pembayaran klaim, seperti keterlambatan bahkan ketidaksanggupan membayar klaim. Dalam Peraturan Pemerintah Nomor 73 (1a) tahun 1992 disebutkan bahwa setiap perusahaan asuransi dan reasuransi harus membentuk cadangan teknis asuransi sesuai dengan jenis asuransi yang diselenggarakan. Perusahaan harus memperhitungkan cadangan klaim peristiwa yang sudah terjadi tetapi belum dilaporkan ke pihak perusahaan asuransi (Incurred But Not Reported/IBNR). Untuk memodelkan situasi tersebut digunakan matriks segitiga (run-off triangle) yang berisikan jumlah kerugian pada periode tertentu dengan periode penyelesaian klaim. Dalam mengestimasi loss reserve ingin diketahui seberapa baik model yang digunakan dalam memprediksi hasil dari data yang bersifat variabel acak. Oleh karena itu, dibutuhkan model stokastik dalam mengestimasi loss reserve. Selain itu, keuntungan utama dari model stokastik adalah tersedianya ukuran ketepatan dalam mengestimasi cadangan. 314
3 General Linear Model (GLM) merupakan model stokastik yang erat hubungannya dengan proses mencadangkan klaim stokastik. GLM memiliki bentuk umum yang sama dengan regresi linier dan dapat digunakan untuk memodelkan IBNR dilengkapi dengan standar errornya. Estimator yang akan digunakan adalah Gauss Markov. Gauss Markov merupakan estimator yang bersifat Best Linear Unbiased Estimator (BLUE). Dalam penelitian ini, estimasi Gauss Markov pada GLM akan digunakan sebagai pendekatan umum terhadap additive model. 2. METODE PENELITIAN Struktur Data Apabila kejadian klaim dan penyelesaian klaim waktunya tidak sama maka penyajian data klaim akan berupa matriks yang terdiri dari kolom sebagai periode waktu kejadian dan baris sebagai periode waktu penyelesaian. Matriks yang biasa disebut dengan run-off triangle ini memuat gambaran data klaim keseluruhan (aggregate) dari setiap periodenya, dan merupakan ringkasan dari suatu kumpulan data klaim-klaim individu (Antonio et al.). Misalkan Z i,k menyatakan peubah acak besarnya klaim dalam bentuk incremental loss untuk klaimklaim yang terjadi pada periode kejadian i dan penyelesaiannya ditunda k periode, dengan 0 k n (k merupakan periode waktu penundaan), dan 0 i n (i merupakan periode waktu kejadian). Tabel 1. Run-Off Triangle Incremental loss Periode Penundaan (k periode) kejadian ke-i 0 1 k n-i n-1 n 0 Z 0,0 Z 0,1 Z 0,k Z 0,n-i Z 0,n-1 Z 0,n 1 Z 1,0 Z 1,1 Z 1,k Z 1,n-i Z 1,n-1 i Z i,0 Z i,1 Z i,k Z i,n-i n-k Z n-k,0 Z n-k,1 Z n-k,k n-1 Z n-1,0 Z n-1,1 n Z n,0 Misalnya pada tabel di atas terdapat Z_1,1 yang artinya adalah besar incremental loss yang terdapat pada klaim ke-1 dan periode penyelesaian klaim ke-1 (satu semester berikutnya). 2.1 Estimasi Parameter pada GLM menggunakan Gauss Markov Pada penelitian ini estimasi loss reserve dengan model stokastik yaitu khusus untuk kasus General Linear Model dengan random vector X sebagai berikut : X = ( X 1 X 2 ) X 1 merupakan data yang terobservasi dan X 2 merupakan data yang tidak terobservasi General Linear Model (GLM) Dalam GLM terdapat matriks A 1 dan A 2 dan sebuah vector parameter β yang tidak diketahui sehingga : E [( X 1 X 2 )] = ( A 1 A 2 ) β 315
4 Dimana, A 1 mempunyai full column rank dan var [X 1 ] dapat diinverskan. SEMINAR STATISTIKA FMIPA UNPAD 2017 (SNS VI) Dalam GLM tersebut, tidak hanya mengestimasi vector parameter β tetapi juga memprediksi random vector X 2 yaitu data yang tidak terobservasi. Matriks A 1 dan A 2 disebut design matriks dari GLM. Mengikuti gagasan Hamer [1], cara terbaik untuk mengestimasi vector parameter β dan random vector X 2 secara simultan adalah dengan memprediksi target quantity T dengan persamaan sebagai berikut : T = C 0 β + C 1 X 1 + C 2 X 2 Dengan matriks C 0, C 1 dan C 2 merupakan dimensi yang sesuai dengan kombinasi linear X 1 dan X 2. Karena hanya X 1 yang dapat diamati, maka random variable T yang merupakan transformasi dari X 1 (yang dapat diukur) dikatakan predictor dari T. Prediktor T dikatakan predictor yang sesuai untuk T jika terdapat matriks Q yang memenuhi T = QX Estimator Gauss Markov Berdasarkan teorema Gauss Markov, maka terdapat predictor Gauss Markov T dari T yaitu : Dengan : T = C 0 β + C 1 X 1 + C 2 X 2 β = (A 1 Σ 11 1 A 1 ) 1 A 1 Σ 11 1 X 1 dan X 2 = A 2 β + Σ 21 Σ 11 1 (X 1 A 1 β var [T T] = K var[β ] K + C 2 (Σ 22 Σ 21 Σ 1 11 Σ 12 )C 2 dengan, K = C 0 + C 2 A 2 C 2 Σ 21 Σ 1 11 C 2 dan var[β ] = (A 1 Σ 1 11 A 1 ) 1 Sehingga estimator Gauss Markov β dari β adalah β = (A 1 Σ 1 11 A 1 ) 1 A 1 Σ 1 11 X 1, dan var[β ] = (A 1 Σ 1 11 A 1 ) Additive Model Terdapat parameter yang diketahui v i (0, ) dengan i 0,1,, n dan σ k 2 (0, ) serta parameter yang tidak diketahui ζ k R dengan k 0,1,, n sehingga: E(Z i,k ) = v i ζ k v i menyatakan total premium income untuk setiap periode klaim ke-i. Teorema : Additive Model adalah model linear. 2.4 Estimasi Parameter berdasarkan parameter vector Gauss Markov Untuk mengestimasi parameter pada additive model berdasarkan parameter vector Gauss Markov digunakan persamaan sebagai berikut : 316
5 ζ k = n k i=0 Z i,k n k (1) i=0 v i Dimana : v i adalah total premi pada periode kejadian klaim dan Z i,k (untuk setiap i= 0,1, 2,..., n dan k =0, 1, 2,..., n) menyatakan Incremental Loss untuk setiap klaim yang telah dibayarkan berdasarkan periode klaim ke-i dan periode penundaan ke-k Prediksi Incremental Loss dengan Gauss Markov Dalam memprediki incremental loss pada matriks segitiga bawah (future triangle) dengan Gauss Markov pada additive model adalah sebagai berikut : Z i,k = v i ζ k (2) \ 2.5 Estimasi Loss Reserve Dalam memprediksi Loss Reserve pada additive model dengan Gauss Markov berdasarkan metode pengumpulan accident year yaitu digunakan persamaan berikut : R i = v i ζ k n k=n i+1 Dan total loss reserve digunakan persamaan berikut : (3) n n R = ( v i ) k=1 k=n i+1 ζ k 2.6 Estimasi Standar Error dengan Gauss Markov Pada additive model varians dapat dihitung dengan ε 0,1,, n 1, dengan persamaan sebagai berikut : σ k2 = σ k2 Merupakan estimator tak bias dari σ k 2. n k 1 n k (Z i,k v i ζ k ) 2 Mean Square Error (MSE) dapat dihitung dengan persamaan sebagai berikut : untuk i = 1,2,, n i=0 MSE = E [(R i R i ) 2 ] = v i 2 var [ζ k ] + Sehingga, standar errornya adalah n k=n i+1 n k=n i+1 SE = MSE (4) σ k2 3.HASIL DAN PEMBAHASAN Data yang digunakan adalah data IBNR dan premi PT Asuransi X di Jakarta tahun Dalam proses perhitungannya, estimasi loss reserve IBNR menggunakan data besar klaim yang dicatat berdasarkan periode semesteran pelaporan klaim ke-i dan periode penyelesaian klaim ke- k selama Januari 2014 Desember 2016 yang akan membentuk matriks segitiga (run-off triangle). Berikut matriks run-off triangle beserta premi periode Januari 2014 Desember 2016 : 317
6 Periode klaim ke- Periode penyelesaian klaim keearned premium E Misalnya untuk menentukan segitiga atas (upper triangle), terdapat tiga klaim yang dilaporkan pada periode pelaporan klaim ke-0 (Januari - Juni 2014) dan dibayarkan pada periode penundaan ke-0 (Januari - Juni 2014) dengan besar klaim yaitu Rp ,00, Rp ,00, dan Rp ,00. Maka besarnya incremental loss yang dicatat pada periode pelaporan ke-0 (bulan Januari - Juni 2014) dan periode penundaan ke-0 (bulan Januari - Juni 2014) yang dinotasikan Z 0,0 adalah akumulasi dari ketiga besar klaim tersebut yaitu: Z 0,0 = Rp ,00+ Rp ,00+ Rp ,00 = Rp ,00 3.1Estimasi Parameter ζ k Langkah awal dalam mengestimasi loss reserve pada additive model yaitu dengan menentukan parameternya berdasarkan persamaan (1), dan diperoleh hasil sebagai berikut : Periode Penyelesaian Klaim ke-k ζ Tabel 2. Nilai parameter ζ k 3.2Prediksi Incremental Loss Setelah nilai parameter ζ k diketahui, maka selanjutnya dapat diprediksi nilai Incremental Loss berdasarkan persamaan (2), dan diperoleh hasil sebagai berikut : Periode Klaim ke- Periode Penyelesaian Klaim keearned premium (vi) E Diperoleh estimasi future triangle (yang berwarna merah) seperti di atas. Misalnya estimasi besar incremental loss pada periode pelaporan ke-1 (bulan Juli - Desember 2014) dan periode penundaan ke-5 (bulan Juli - Desember 2016) adalah sebesar Rp ,
7 3.3 Estimasi Loss Reserve Berdasarkan persamaan (3), maka diperoleh estimasi loss reserve sebagai berikut : Periode Klaim ke- Loss Reserve Total Tabel 3 Estimasi Loss Reserve Berdasarkan tabel di atas, maka diperoleh estimasi total loss reserve IBNR adalah sebesar Rp ,00 yang artinya perusahaan harus mempersiapkan dana sebesar Rp ,00 untuk besar klaim yang belum terbayarkan pada periode pelaporan klaim ke-1 sampai ke KESIMPULAN Estimasi total loss reserve IBNR adalah sebesar Rp ,00 yang artinya perusahaan harus mempersiapkan dana sebesar Rp ,00 untuk besar klaim yang belum terbayarkan pada periode pelaporan klaim yaitu semester 6 (Januari-Juni 2017). 5. DAFTAR PUSTAKA [1] Ludwig,A.,Schmidt.K.D Gauss Markov Prediction in a Linear Model. Technische Universitat Dresden. [2] Schmidt,K.D Linear Models in Loss Reserving. Technische Universitat Dresden. [3] Schmidt,K.D Optimal and Additive Loss Reserving for dependent Lines of Business. Technische Universitat Dresden. [4] Antonio K, J Beirlant, T Hoedemakers, R Verlaaks Lognormal Mixed Models For Reported Claims Reserves. North American Actuarial Journal. [5] Mutaqin A.K Penaksiran Distribusi Outstanding Claims Liability Menggunakan Compound Distribution. Statistika, Vol. 9 No. 2, [6] Rencher.A.C, Schaalje.G.B.2007.Linear Models in Statistics. Department of Statistics, Brigham Young University, Provo, Utah. 319
BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Asuransi adalah sebuah janji dari perusahaan asuransi (penanggung) kepada nasabahnya (tertanggung) bahwa apabila nasabah mengalami resiko dalam hidupnya, maka
Lebih terperinciEstimasi Loss Reserve Menggunakan Metode Double Chain Ladder
Estimasi Loss Reserve Menggunakan Metode Double Chain Ladder Annisa Lestari 1, Lienda Noviyanti 2, Achmad Zanbar Soleh 3 Mahasiswa Prodi Magister Statistika, Departemen Statistika, FMIPA Universitas Padjadjaran
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pada saat ini bahaya, kerusakan, dan kerugian merupakan suatu ketidakpastian yang pasti akan dialami siapapun. Sehingga kemungkinan terjadi resiko dalam kehidupan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Salah satu permasalahan penting dalam asuransi kerugian adalah cadangan klaim. Cadangan klaim merupakan perkiraan banyaknya uang yang harus disiapkan
Lebih terperinciBAB I PENDAHULUAN. Gambar 1.1 Proses Pembayaran Klaim
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Polis non-life insurance adalah kontrak antara pemegang polis dan perusahaan asuransi. Perusahaan asuransi akan menetapkan sejumlah uang yang akan dibayarkan
Lebih terperinciBAB I PENDAHULUAN. Asuransi merupakan sebuah mekanisme pentransferan risiko dari suatu
BAB I PENDAHULUAN 1.1 Latar Belakang Asuransi merupakan sebuah mekanisme pentransferan risiko dari suatu pihak tertanggung (insured) kepada pihak penanggung (insurer) dengan tanda jadi pembayaran sejumlah
Lebih terperinciBAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan
BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan
Lebih terperinciPREDIKSI CADANGAN KLAIM ASURANSI DENGAN METODE BORNHUETTER-FERGUSON M IQBAL HIBATULLAH
PREDIKSI CADANGAN KLAIM ASURANSI DENGAN METODE BORNHUETTER-FERGUSON M IQBAL HIBATULLAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN
Lebih terperinciMENGGUNAKAN METODE CHAIN LADDER DAN GENERALIZED LINEAR MODELS (GLMs) DENGAN PENDEKATAN OVER-DISPERSED
TUGAS AKHIR SS141501 PERBANDINGAN TUGAS AKHIR SS141501 ESTIMASI CADANGAN KLAIM MENGGUNAKAN METODE CHAIN LADDER DAN GENERALIZED LINEAR MODELS (GLMs) DENGAN PENDEKATAN OVER-DISPERSED POISSON PERBANDINGAN
Lebih terperinciPROYEKSI CADANGAN KLAIM DENGAN METODE MUNICH CHAIN-LADDER IKHWAN ABIYYU
PROYEKSI CADANGAN KLAIM DENGAN METODE MUNICH CHAIN-LADDER IKHWAN ABIYYU DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciBab IV Analisis Sensitifitas
Bab IV Analisis Sensitifitas 4.1 Pendahuluan Bagian pendahuluan dari bab IV ini dikutip dari disertasi S3 Tampubolon ( 2008) dengan judul Uncertainties in the Estimation of Outstanding Claims Liability
Lebih terperinciESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK
ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK Adri Arisena 1, Anna Chadidjah 2, Achmad Zanbar Soleh 3 Departemen Statistika Universitas Padjadjaran 1 Departemen Statistika
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu metode analisis dalam statistika yang sangat familiar bagi kalangan akademis dan pekerja. Analisis regresi dapat
Lebih terperinciESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI
ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI Oleh : IPA ROMIKA J2E004230 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH
ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan bisnis asuransi semakin hari semakin menjanjikan, hal ini dikarenakan hampir semua bidang kehidupan mempunyai resiko, antara lain, kematian,
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciII. TINJAUAN PUSTAKA
II. INJAUAN PUSAKA.1 Penduga Area Kecil Rao (003) mengemukakan bahwa suatu area disebut kecil apabila contoh yang diambil pada area tersebut tidak mencukupi untuk melakukan pendugaan langsung dengan hasil
Lebih terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciESTIMASI CADANGAN KLAIM INCURRED BUT NOT REPORTED (IBNR) MENGGUNAKAN METODE CHAIN LADDER DAN PENDEKATAN OVER-DISPERSED POISSON TUGAS AKHIR
ESTIMASI CADANGAN KLAIM INCURRED BUT NOT REPORTED (IBNR) MENGGUNAKAN METODE CHAIN LADDER DAN PENDEKATAN OVER-DISPERSED POISSON TUGAS AKHIR Ajeng Prastiwi 14611252 JURUSAN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN. untuk melindungi dirinya sendiri maupun keluarga dari kemungkinan kejadian
BAB I PENDAHULUAN 1.1 Latar Belakang Masyarakat saat ini semakin menyadari pentingnya mempersiapkan diri untuk melindungi dirinya sendiri maupun keluarga dari kemungkinan kejadian yang tidak pasti, baik
Lebih terperinciDASAR- DASAR RISET PEMASARAN
EDISI KEEMPAT DASAR- DASAR RISET PEMASARAN Jilid 2 GILBERT A. CHURCHILL, JR. Bab 21 Analisis Data: Menyelidiki Hubungan TUJUAN PEMBELAJARAN 1-3 1. Menjelaskan perbedaan antara analisis regresi dan korelasi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik
Lebih terperinciPENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA
PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA Sri Siska Wirdaniyati 1), Edy Widodo ) 1) Mahasiswa Prodi
Lebih terperinciBAB I PENDAHULUAN. yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika
BAB I PENDAHULUAN A. Latar Belakang Masalah Dalam kehidupan, seringkali peneliti dihadapkan dengan suatu kejadian yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika mengenal metode
Lebih terperinciBAB I PENDAHULUAN. hubungan antara dua variabel yang terdiri dari variabel tak bebas (Y ) dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi adalah metode statistika yang paling sering digunakan dalam segala bidang ilmu pengetahuan, analisis ini bertujuan untuk memodelkan hubungan antara
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Manusia boleh berencana tetapi Tuhan lah yang menentukan. Ungkapan ini sudah sangat sering kita dengar dalam kehidupan sehari-hari. Makna yang terkandung dalam
Lebih terperinciBAB I PENDAHULUAN. usaha dalam menjalankan kegiatannya menghadapi risiko yang mungkin dapat
BAB I PENDAHULUAN A. Latar Belakang Masalah Asuransi merupakan sarana keuangan dalam tata kehidupan rumah tangga, baik dalam menghadapi risiko atas harta benda yang dimiliki. Demikian pula dunia usaha
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
Lebih terperinciBAB I PENDAHULUAN. memperkecil atau meminimumkan ketidakpastian tersebut. Risiko dapat terjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam setiap kegiatan yang dilakukan oleh suatu kelompok atau perorangan pasti ada risiko yang harus ditanggung. Risiko merupakan kemungkinan terjadinya suatu
Lebih terperinci3.7 Further Results and Technical Notes. Yenni Angraini-G
3.7 Further Results and Technical Notes Yenni Angraini-G161150051 Outline Nonlinear Gauss-Seidel Algorithm (NLGSA) Sifat asimtotik dari penduga Penalized Generalized Weighted Least Squares (PGWLS) Mean
Lebih terperinciBAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk
BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. 1 Fungsi Permintaan Fungsi permintaan menunjukkan hubungan antara jumlah produk yang diminta oleh konsumen dengan harga produk (Nicholson, 2005). Tugas eksperimen ini adalah melakukan
Lebih terperinciSeminar Implementasi dan Dampak Penerapan POJK No.72/POJK.05/2016 Terhadap Industri Asuransi Syariah AKUNTANSI UJRAH.
Seminar Implementasi dan Dampak Penerapan POJK No.72/POJK.05/2016 Terhadap Industri Asuransi Syariah AKUNTANSI UJRAH M Jusuf Wibisana Ketua IAI-Kompartemen Akuntan Syariah Jakarta 16.08.2017 DISCLAIMER
Lebih terperinciBAB II KAJIAN TEORI. Bab ini akan membahas mengenai pengertian-pengertian dasar yang akan
5 BAB II KAJIAN TEORI Bab ini akan membahas mengenai pengertian-pengertian dasar yang akan digunakan sebagai landasan pembahasan mengenai model Seemingly Unrelated Regression (SUR). Pengertian-pengertian
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 terperinciPEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON
PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah 1, Rochdi Wasono 2, Moh. Yamin Darsyah 3 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Jumlah penduduk Indonesia yang tergolong besar, bahkan berada diurutan keempat dunia dengan jumlah penduduk terbesar tentu sangat berpotensi bagi perkembangan bisnis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO ADJUSTED INVERSE GAUSSIAN (ZAIG) UNTUK MENENTUKAN BESAR KLAIM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 323-328 ESTIMASI PARAMETER MODEL REGRESI ZERO ADJUSTED INVERSE GAUSSIAN (ZAIG) UNTUK MENENTUKAN BESAR KLAIM Nurul Huda,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan semakin majunya peradaban zaman, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data kedalam suatu fungsi yang dapat dipergunakan
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 terperinciLAMPIRAN SURAT EDARAN OTORITAS JASA KEUANGAN NOMOR 27 /SEOJK.05/2017
LAMPIRAN SURAT EDARAN OTORITAS JASA KEUANGAN NOMOR 27 /SEOJK.05/2017 TENTANG PEDOMAN PEMBENTUKAN CADANGAN TEKNIS BAGI PERUSAHAAN ASURANSI DAN PERUSAHAAN REASURANSI - 1 - PEDOMAN PEMBENTUKAN CADANGAN TEKNIS
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dari tahun ke tahun, produksi mobil dunia semakin berkembang pesat. Berbagai merek ataupun jenis beserta keunggulan-keunggulan yang ditawarkan berbedabeda
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan asuransi dirasa perlu oleh masyarakat yang memiliki kecenderungan untuk menghindari atau mengalihkan risiko. Menurut Undang- Undang No.2 Tahun 1992 tentang
Lebih terperinciPemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang
Statistika, Vol. 17 No. 1, 45 51 Mei 2017 Pemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang Indah permatasari, aceng komarudin mutaqin, lisnur wachidah Program
Lebih terperinciPertemuan 4-5 ANALISIS REGRESI SEDERHANA
Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat
Lebih terperinciKAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER. Sudarno 1. Abstrak
UNIVERSITAS DIPONEGORO 0 ISBN: --0-- KAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER Sudarno ) Program Studi Statistika FMIPA Undip dsghani@gmail.com Abstrak Model
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 terperinciBAB I PENDAHULUAN. kerusakan, kehilangan atau resiko lainnya. Oleh karena itu setiap resiko yang
BAB I PENDAHULUAN A. Latar Belakang Penelitian Resiko di masa datang dapat terjadi terhadap kehidupan seseorang misalnya kematian, sakit, atau resiko dipecat dari pekerjaannya. Dalam dunia bisnis, resiko
Lebih terperinciPERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO
PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO ESTIMATE MULTIPLE LINEAR REGRESSION PARAMETERS) Iesyah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinci-1- SALINAN PERATURAN KETUA BADAN PENGAWAS PASAR MODAL DAN LEMBAGA KEUANGAN NOMOR: PER- 09/BL/2012 TENTANG
-1- SALINAN PERATURAN KETUA BADAN PENGAWAS PASAR MODAL DAN LEMBAGA KEUANGAN NOMOR: PER- 09/BL/2012 TENTANG PEDOMAN PEMBENTUKAN CADANGAN TEKNIS BAGI PERUSAHAAN ASURANSI DAN PERUSAHAAN REASURANSI KETUA BADAN
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciII. TINJAUAN PUSTAKA. dengan kendala menjadi model penuh tanpa kendala,
4 II. TINJAUAN PUSTAKA Dalam penelitian ini akan didiskusikan tentang transformasi model tak penuh dengan kendala menjadi model penuh tanpa kendala, pendugaan parameter, pengujian hipotesis dan selang
Lebih terperinciBAB III PENETAPAN HARGA PREMI PADA KONTRAK PARTISIPASI ASURANSI JIWA ENDOWMEN DENGAN OPSI SURRENDER
BAB III PENETAPAN HARGA PREMI PADA KONTRAK PARTISIPASI ASURANSI JIWA ENDOWMEN DENGAN OPSI SURRENDER Pada bab ini akan ditentukan harga premi pada polis partisipasi yang terdapat opsi surrender pada kontraknya.
Lebih terperinciMenampilkan Penaksir Parameter pada Model Linear * Mulyana **
Menampilkan Penaksir Parameter pada Model Linear * Abstrak Pada model linear Mulyana ** Y = X + ε, jika penaksir untuk, maka dua peran. Yaitu sebagai penaksir faktual, hitung, X memiliki Y = X, dan penaksir
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi dalam statistika adalah salah satu metode untuk mengetahui hubungan atau pengaruh antara satu variabel dengan variabel lainnya. Selain
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dewasa ini industri asuransi telah menjadi suatu bidang usaha yang menarik dan mempunyai peranan yang tidak kecil dalam perekonomian. Keberadaan industri
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciBAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan
BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan
Lebih terperinciBAB I PENDAHULUAN. mengetahui fenomena yang akan terjadi pada periode mendatang akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada kehidupan sehari-hari, adanya ketidakmampuan manusia untuk mengetahui fenomena yang akan terjadi pada periode mendatang akan mengakibatkan kurang tepatnya
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 41 49 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP DWI ANNISA FITRI Program Studi
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciX 3 : Flow Top (Aliran Atas) (lt/min) X 4 : Speed (Kecepatan) (m/min)
Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658--3 Pemilihan Model Regresi Linier Multivariat Terbaik Dengan Kriteria Mean Square Error Dan Akaike s Information Criterion Edriani Lestari, Rito
Lebih terperinciESTIMASI BIAYA KLAIM ASURANSI MENGGUNAKAN MODEL REGRESI ZERO-ADJUSTED INVERSE GAUSSIAN (ZAIG)
ESTIMASI BIAYA KLAIM ASURANSI MENGGUNAKAN MODEL REGRESI ZERO-ADJUSTED INVERSE GAUSSIAN (ZAIG) Drs. Syarif Hidayatullah M.Kom 1, Titi Ratnasari, SSi, MSi 2, Sari Indah 3 1 Jurusan Matematika, FMIPA, ISTN,
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 terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Penaksiran Besar Klaim Optimal Menggunakan Metode Linear Empirical Bayesian yang Diaplikasikan untuk Perhitungan Premi Asuransi Kendaraan Bermotor di Indonesia 1 Hilda
Lebih terperinciPENERAPAN METODE WEIGTHED LEAST SQUARE UNTUK MENGATASI HETEROSKEDASTISITAS PADA ANALISIS REGRESI LINEAR
PENERAPAN METODE WEIGTHED LEAST SQUARE UNTUK MENGATASI HETEROSKEDASTISITAS PADA ANALISIS REGRESI LINEAR Nurul Hanifah, Nar Herrhyanto, Fitriani Agustina Departemen Pendidikan Matematika FPMIPA UPI Correspondent
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menyelidiki pola hubungan fungsional antara variabel prediktor dan variabel respon
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pada era sekarang ini, bahaya, kerusakan dan kerugian adalah kenyataan yang harus dihadapi manusia di dunia, termasuk di Indonesia. Ini menyebabkan kemungkinan terjadi
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
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 terperinciModel Black Litterman dengan Estimasi Theil Mixed
Model Black Litterman dengan Estimasi Theil Mixed S 7 Retno Subekti Jurusan Pendidikan Matematika FMIPA UNY Abstrak Formula return model black litterman dapat ditelusuri melalui berbagai pendekatan, Selain
Lebih terperinciPerbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi
Perbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi Comparison of Bootstrap and Jackknife Resampling Methods in Determining
Lebih terperinciSALINAN SURAT EDARAN OTORITAS JASA KEUANGAN NOMOR 10/SEOJK.05/2015 TENTANG
Yth. 1. Perusahaan Asuransi Syariah; 2. Perusahaan Reasuransi Syariah; 3. Perusahaan Asuransi Yang Memiliki Unit Syariah; dan 4. Perusahaan Reasuransi Yang Memiliki Unit Syariah; di tempat. SALINAN SURAT
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD
ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD Fitra1, Saleh2, La Podje3 Mahasiswa Program Studi Statistika, FMIPA Unhas 2,3 Dosen Program Studi Statistika,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN. Dalam penelitian ini, yang menjadi objek penelitian terdiri dari variabel
49 BAB III OBJEK DAN METODE PENELITIAN 1.1 Objek Penelitian Dalam penelitian ini, yang menjadi objek penelitian terdiri dari variabel independen (X) yaitu dividen dan variabel dependen (Y) yaitu harga
Lebih terperinciRetensi Optimal Untuk Reasuransi Stop-Loss Dengan Pendekatan Buhlmann-Straub Triana Sucova Sibarani 1*, Achmad Zanbar Soleh 2, Lienda Noviyanti 3
Retensi Optimal Untuk Reasuransi Stop-Loss Dengan Pendekatan Buhlmann-Straub Triana Sucova Sibarani 1*, Achmad Zanbar Soleh 2, Lienda Noviyanti 3 Departemen Statistika, Universitas Padjadjaran, Bandung
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 terperinci01. Pernyataan ini bertujuan untuk mengatur pengakuan, pengukuran, penyajian, dan pengungkapan transaksi asuransi syariah.
PERNYATAAN STANDAR AKUNTANSI KEUANGAN NO. 108 AKUNTANSI TRANSAKSI ASURANSI SYARIAH Paragraf yang dicetak dengan huruf tebal dan miring adalah paragraf standar. Paragraf Standar harus dibaca dalam kaitannya
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciAK6083 Manajemen Risiko Kuantitatif. Referensi: McNeil, Frey, Embrechts (2005), Quantitative Risk Management: Concepts, Techniques and Tools.
AK6083 Manajemen Risiko Kuantitatif Referensi: Silabus: McNeil, Frey, Embrechts (2005), Quantitative Risk Management: Concepts, Techniques and Tools Seputar risiko dan volatilitas Peubah acak dan fungsi
Lebih terperinciJl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon ABSTRAK
Jurnal Barekeng Vol. 8 No. 1 Hal. 31 37 (2014) MODEL REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS (Studi Kasus: Data Pertumbuhan Bayi di Kelurahan Namaelo
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. OBYEK PENELITIAN Penelitian ini dilakukan pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2010 sampai dengan 2014. Alasan peneliti menggunakan perusahaan
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
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 terperinciPERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA
Lebih terperinciBAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel respon ( ), dimana
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinci