BAB 3 METODE PENELITIAN
|
|
- Veronika Sanjaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 METODE PENELITIAN 3.1 Flowchart Penelitian Gambar 3.1 Flowchart Diagram 36
2 Langkah-Langkah Penelitian Metodologi penelitian merupakan tahapan yang harus ditetapkan sebelum melakukan penelitian, sehingga penelitian dapat dilakukan dengan terarah, jelas dan efisien. Dalam pelaksanaannya, penelitian ini dilakukan dengan metodologi sebagai berikut : 1. Mengasumsikan perpindahan dari state i ke state j dalam 1 tahun merupakan kejadian saling bebas. 2. Menentukan formula premi berdasarkan frekuensi klaim dengan sistem Bonus-Malus klasik dengan cara : a. Fungsi Poisson : Banyaknya klaim yang diajukan dinyatakan dengan n, yang menyebar Poisson dengan parameter, dan parameter tersebut menyebar secara Eksponensial, sehingga sebaran tak bersyarat dari frekuensi klaim untuk setiap pemegang polis merupakan sebaran geometrik. Distribusi dari nadalah : b. Fungsi Eksponensial : Dengan menyatakan ukuran resiko dari setiap pemegang polis, dan berdistribusi Eksponensial dengan parameter. c. Menentukan sebaran tak bersyarat dari frekuensi klaim dengan mengintegralkan dua persamaan diatas: d. Menduga parameter dari sistem Bonus-Malus klasik, yaitu dengan teorema Bayes dan fungsi struktur prior dari kumpulan frekuensi klaim pemegang polis dalam m tahun (n 1, n 2,...,n m ), maka diperoleh sebaran posterior dari parameter frekuensi klaim tersebut : Sebaran awal (prior distribution) Fungsi kepekatan peluang bersama dari total frekuensi klaim :
3 38 Dan sebaran dari : Sebaran akhir (posterior distribution) e. Menentukan nilai harapan dari banyaknya klaim yang terjadi pada setiap pemegang polis dengan sejarah klaim n 1, n 2,..., n m dengan sebaran Gamma, fungsi kepekatan peluang dari distribusi Gamma: f. Menentukan nilai harapan dengan fungsi : g. Mengkonstruksi formula menggunakan fungsi Quadratic Error Loss. 3. Menentukan formula premi berdasarkan besaran klaim dengan sistembonus- Malus klasik dengan cara : a. Fungsi Eksponensial : Besaran klaim yang diajukan dinyatakan dengan c, yang menyebar Eksponensial dengan parameter, dan parameter tersebut menyebar secara Inverse Gamma, sehingga sebaran tak bersyarat dari besaran klaim untuk setiap pemegang polis merupakan sebaran pareto. Distribusi dari c adalah :
4 39 b. Fungsi Invers Gamma : Dengan menyatakan rata-rata besaran klaim, dan berdistribusi Inverse Gamma dengan parameter dan β*. c. Menentukan sebaran tak bersyarat dari besaran klaim dengan mengintegralkan dua persamaan diatas: d. Menduga parameter dari sistem Bonus-Malus klasik, yaitu dengan teorema Bayes dan fungsi struktur prior dari kumpulan besaran klaim pemegang polis dalam m tahun (c 1, c 2,...,c m ), maka diperoleh sebaran posterior dari parameter besaran klaim tersebut : Sebaran akhir (posterior distribution) e. Menentukan nilai harapan dari besaran klaim yang terjadi pada setiap pemegang polis dengan sejarah klaim c 1, c 2,..., c m dengan sebaran Invers Gamma, fungsi kepekatan peluang dari distribusi Invers Gamma: f. Menentukan nilai harapan dengan fungsi : g. Mengkonstruksi formula menggunakan fungsi Quadratic Error Loss. 4. Dengan formula Bonus-Malus yang sudah didapat, ditentukan nilai premi awal yang harus dibayarkan pemegang polis, beserta jangka waktu serta banyaknya state untuk pemegang polis.
5 40 5. Merancang aplikasi untuk menghasilkan tabel simulasi yang berisi nilai premi yang harus dibayar pemegang polis berdasarkan frekuensi klaim, frekuensi klaim dan besaran klaim, frekuensi klaim dengan memperhitungkan depresiasi, atau frekuensi klaim dan besaran klaim dengan memperhitungkan depresiasi. a. Mengetahui kebutuhan apa saja yang diperlukan dalam sistem pembentukan tabel premi ini. b. Membuat perancangan dengan storyboard dan UML yang sudah dibuat, dengan menggunakan bahasa Java. c. Melakukan pengkodean agar kebutuhan-kebutuhan di poin (a) tercapai. d. Menguji aplikasi sehingga dapat berjalan dengan baik dan benar. e. Mendapatkan hasil output berupa tabel. 6. Menentukan loss-ratio dari data yang diperoleh dari perusahaan dengan cara membandingkan pengeluaran yang harus dikeluarkan oleh perusahaan karena membayar klaim yang dibuat pemegang polis dengan pendapatan yang diterima dari perusahaan dari premi yang dibayarkan pemegang polis. 7. Membandingkan data loss-ratio yang diperoleh dari perusahaan dengan lossratio yang diperoleh dari penghitungan menggunakan tabel simulasi premi yang memakai sistem Bonus-Malus yang dengan menggunakan besaran premi awal yang sama dan jumlah klaim yang sama dalam kurun waktu yang sama.
ANALISIS DAN PERANCANGAN PREMI SISTEM BONUS-MALUS PADA NON-LIFE INSURANCE DENGAN DISTRIBUSI POISSON-EKSPONENSIAL
ANALISIS DAN PERANCANGAN PREMI SISTEM BONUS-MALUS PADA NON-LIFE INSURANCE DENGAN DISTRIBUSI POISSON-EKSPONENSIAL David, Ro fah Nur Rachmawati, Derwin Suhartono Universitas Bina Nusantara, Jl. Syahdan No.
Lebih terperinciBAB 4 ANALISIS, SIMULASI, DAN PEMBAHASAN. Pendekatan Bayes dalam mengestimasi parameter digunakan dalam fungsi kerugian
BAB 4 ANALISIS, SIMULASI, DAN PEMBAHASAN 4.1 Analisis 4.1.1 Model Quadratic Error Loss Function Pendekatan Bayes dalam mengestimasi parameter digunakan dalam fungsi kerugian untuk mengukur kerugian yang
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 1 PENDAHULUAN. Asuransi umum adalah istilah yang digunakan untuk menggambarkan sebuah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Asuransi umum adalah istilah yang digunakan untuk menggambarkan sebuah sistem atau bisnis yang merupakan tindakan perlindungan secara finansial untuk properti
Lebih terperinciBAB 1 PENDAHULUAN. Banyaknya kecelakaan dan bencana yang diakibatkan oleh kelalaian manusia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Banyaknya kecelakaan dan bencana yang diakibatkan oleh kelalaian manusia sering terjadi yang akibatnya tidak hanya menimpa pelaku kelalaian, akan tetapi juga
Lebih terperinciANALISIS DAN PERANCANGAN PREMI BONUS MALUS OPTIMAL DENGAN BESAR KLAIM BERDISTRIBUSI PARETO BERBASIS C#
1 ANALISIS DAN PERANCANGAN PREMI BONUS MALUS OPTIMAL DENGAN BESAR KLAIM BERDISTRIBUSI PARETO BERBASIS C# Deni Hartanto, Ro fah Nur Rachmawati, Derwin Suhartono Binus University Jalan KH. Syahdan No. 9
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB 1 PENDAHULUAN Sistem Bonus-Malus adalah sebuah sistem yang terdapat dalam pembayaran premi risiko sebuah asuransi non-life, dengan nilai premi risiko akan disesuaikan dengan sejarah
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 terperinciPERSATUAN AKTUARIS INDONESIA
PERSATUAN AKTUARIS INDONESIA Komisi Penguji PERSATUAN AKTUARIS INDONESIA UJIAN PROFESI AKTUARIS MATA UJIAN : A70 Pemodelan dan Teori Risiko TANGGAL : 25 Juni 2013 JAM : 13.30 16.30 WIB LAMA UJIAN : 180
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan akan kendaraan pribadi semakin hari semakin meningkat sejalan dengan bertambahnya penduduk. Selain sebagai sarana untuk memenuhi kebutuhan masing masing individu,
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 terperinciPENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E
PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI Oleh : Pramita Elfa Diana Santi JE 005 40 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
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 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 terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciM-2 PERHITUNGAN PREMI ASURANSI KENDARAAN MENGGUNAKAN PENDEKATAN DISTRIBUSI PELUANG
M-2 PERHITUNGAN PREMI ASURANSI KENDARAAN MENGGUNAKAN PENDEKATAN DISTRIBUSI PELUANG Anita Andriani Universitas Hasyim Asy ari Tebuireng, Jombang anita.unhasy@gmail.com Abstrak Asuransi kendaraan bermotor
Lebih terperinciII. LANDASAN TEORI. sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah
II. LANDASAN TEORI Peubah acak X(s) merupakan sebuah fungsi X yang menetapkan setiap anggota sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah peubah acak diskrit, yaitu banyaknya
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 terperinciANALISIS DAN PERANCANGAN PREMI BONUS-MALUS DENGAN FREKUENSI KLAIM BERDISTRIBUSI GEOMETRI DAN BINOMIAL-NEGATIF BERBASIS C#.NET
ANALISIS DAN PERANCANGAN PREMI BONUS-MALUS DENGAN FREKUENSI KLAIM BERDISTRIBUSI GEOMETRI DAN BINOMIAL-NEGATIF BERBASIS C#.NET Denny Natanael Wijaya, Ro fah Nur Rachmawati, Derwin Suhartono Universitas
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 terperinciLampiran Pertanyaan dan Jawaban Wawancara Pertanyaan Kuisioner Analisis Pengguna
Lampiran 1. Pertanyaan dan Jawaban Wawancara 1. Sudah berapa lama Asuransi Garda Oto ini berdiri? Sejak tahun 1956 (57 Tahun). 2. Kalau di hitung secara kasar, berapa banyak pemegang polis baru yang memakai
Lebih terperinciUJIAN A70 PERIODE JUNI 2014 SOLUSI UJIAN PAI A70. A70-Pemodelan dan Teori Risiko 9/14/2014
SOLUSI UJIAN PAI A70 UJIAN A70 PERIODE JUNI 2014 A70-Pemodelan Teori Risiko 9/14/2014 Berikut merupakan solusi ujian PAI yang saya buat secara khusus untuk teman-teman PT Padma Radya Aktuaria, secara umum
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Estimasi minimax adalah suatu upgrade pendekatan non-klasik (upgraded non-classical approach) dalam bidang estimasi inferensi statistik yang diperkenalkan oleh Abraham
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 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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pendugaan Area Kecil Secara umum metode pendugaan area kecil dibagi menjadi dua bagian yaitu metode penduga langsung (direct estimation) dan metode penduga tak langsung (indirect
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS
KODE / SKS : KK-01333 / 3 SKS 1 Pengertian dan tujuan 1. Klasifikasi Model 1 Simulasi. Perbedaan penyelesaian problem Dapat menjelaskan klasifikasi model dari matematis secara analitis dan numeris suatu
Lebih terperinciTINJAUAN PUSTAKA. bebas digunakan jarak euclidean - sedangkan bila terdapat. korelasi antar peubah digunakan jarak mahalanobis - -
3 TINJAUAN PUSTAKA Gambaran Umum Analisis Gerombol Analisis gerombol merupakan salah satu metode analisis peubah ganda yang bertujuan untuk mengelompokkan objek kedalam kelompok kelompok tertentu yang
Lebih terperinciPengantar Statistika Matematik(a)
Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014
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 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 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 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 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 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 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. risiko finansial yang disebabkan oleh peristiwa aktuaria (actuarial events).
BAB I PENDAHULUAN 1.1 Latar Belakang Ilmu aktuaria memegang peranan penting dalam analisis dan pengelolaan risiko finansial yang disebabkan oleh peristiwa aktuaria (actuarial events). Variabel risiko yang
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 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 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 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Asuransi merupakan suatu kegiatan pemindahan atau pengalihan risiko untuk mencegah terjadinya kerugian besar yang disebabkan oleh risiko-risiko tertentu. Risiko-risiko
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 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 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 terperinciProsiding ISBN :
Penggunaan Metode Bayesian Subyektif dalam Pengkonstruksian Grafik Pengendali-c Sekar Sukma Asmara a, Adi Setiawan b, Tundjung Mahatma c a Mahasiswa Program Studi Matematika Fakultas Sains Matematika 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Salah satu sarana bagi seseorang atau perusahaan yang ingin mengurangi atau mengalihkan kerugian dari suatu risiko kejadian yang tidak diinginkan adalah asuransi.
Lebih terperinci28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω
SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan
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 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 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 terperinciGENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI
GENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI Agus Supriatna 1), Riaman 2), Sudradjat 3), Tari Septiyani 4) Departemen Matematika, FMIPA Unpad Jalan Raya Bandung-Sumedang
Lebih terperinciPerbandingan Estimasi Parameter Pada Distribusi Eksponensial Dengan Menggunakan Metode Maksimum Likelihood Dan Metode Bayesian
Perbandingan Estimasi Parameter Pada Distribusi Eksponensial Dengan Menggunakan Metode Maksimum Likelihood Dan Metode Bayesian Rado Yendra 1, Elsa Tria Noviadi 2 1,2 Jurusan Matematika, Fakultas Sains
Lebih terperinciANALISIS DAN PERANCANGAN PREMI BONUS-MALUS PADA NON-LIFE INSURANCE BERDISTRIBUSI POISSON- GAMMA
ANALISIS DAN PERANCANGAN PREMI BONUS-MALUS PADA NON-LIFE INSURANCE BERDISTRIBUSI POISSON- GAMMA Hendra Fusanto, Ro fah Nur Rachmawati, Derwin Suhartono Binus University, Jalan KH. Syahdan No. 9 Palmerah,
Lebih terperinciBAB 1. Pendahuluan. Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat telah
BAB 1 Pendahuluan 1.1. Latar Belakang Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat telah memberikan berbagai kemudahan kepada manusia dalam kehidupan, bahkan hasil kemajuan dari ilmu
Lebih terperinciII. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi
II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull
Lebih terperinciLANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan
4 II. LANDASAN TEORI Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan Schmeiser (1974), yang memiliki empat parameter dari pengembangan distribusi Lambda Tukey. Keluarga distribusi
Lebih terperinciSIMULASI PREMI ASURANSI KENDARAAN BERDASARKAN BANYAKNYA KLAIM PEMEGANG POLIS PADA PERIODE SEBELUMNYA MENGGUNAKAN ANALISIS BAYES.
SIMULASI PREMI ASURANSI KENDARAAN BERDASARKAN BANYAKNYA KLAIM PEMEGANG POLIS PADA PERIODE SEBELUMNYA MENGGUNAKAN ANALISIS BAYES Skripsi) Oleh ARISCA SEPTA JAYA PRATAMA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciKAJIAN ANALISIS GEROMBOL BERBASIS MODEL PADA DATA YANG MENYEBAR NORMAL GANDA INDAH RATIH ANGGRIYANI
KAJIAN ANALISIS GEROMBOL BERBASIS MODEL PADA DATA YANG MENYEBAR NORMAL GANDA INDAH RATIH ANGGRIYANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
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 terperinciTINJAUAN PUSTAKA Asuransi Kelompok Penyakit Lanjut Usia (Lansia) di Indonesia
3 TINJAUAN PUSTAKA Asuransi Asuransi berasal dari kata assurance atau insurance, yang berarti jaminan atau pertanggungan. Asuransi dalam Undang-Undang No.2 Th 1992 tentang usaha perasuransian adalah perjanjian
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 IV SIMULASI PEMBANDINGAN PERILAKU PENDUGA FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK DENGAN BANDWIDTH OPTIMAL DAN BANDWIDTH OPTIMAL ASIMTOTIK
BAB IV SIMULASI PEMBANDINGAN PERILAKU PENDUGA FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK DENGAN BANDWIDTH OPTIMAL DAN BANDWIDTH OPTIMAL ASIMTOTIK Pada bagian ini dilakukan simulasi untuk membandingkan
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 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 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 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 terperinciANALISIS STRUCTURAL EQUATION MODEL DENGAN PENDEKATAN BAYESIAN
JIMT Vol. 11 No. 1 Juni 2014 (Hal. 105 118) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X ANALISIS STRUCTURAL EQUATION MODEL DENGAN PENDEKATAN BAYESIAN H. Sain 1 Program Studi Statistik Jurusan
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga distribusi generalized gamma dengan metode generalized moment ini, penulis menggunakan definisi, teorema dan konsep dasar
Lebih terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I V. SEBARAN FUNGSI PEUBAH ACAK V. Sebaran Fungsi Peubah Acak 1 Sebaran Fungsi Peubah Acak Dalam banyak kasus untuk melakukan inferensi terhadap suatu parameter kita lebih banyak
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Inferensi adalah adalah suatu proses untuk menghasilkan informasi dari fakta yang diketahui. Inferensi juga dikatakan suatu konklusi logis atau implikasi berdasarkan
Lebih terperinciBAB 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 terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1. Penaksiran Parameter Jika adalah nilai parameter populasi yang belum diketahui harganya, maka dapat ditaksir oleh nilai statistik, dan disebut sebagai penaksir atau fungsi keputusan.
Lebih terperinciBAB III SIMULASI SISTEM ANTRIAN M/M/1. paket data. Adapun kinerja yang akan dibahas adalah rata-rata jumlah paket dalam
BAB III SIMULASI SISTEM ANTRIAN M/M/1 3.1 Model Antrian M/M/1 Model antrian yang dibahas dalam tugas akhir ini adalah model antrian M/M/1. Sistem antrian ini diasumsikan digunakan pada simpul jaringan
Lebih terperinciBAB I PENDAHULUAN. , untuk x 0, 0, 0 { 0, untuk x yang lain. 1 maka fungsi densitas di atas akan menjadi fungsi densitas distribusi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi berdampak positif pada berbagai bidang termasuk bidang Statistika. Hal ini dapat dilihat dari semakin banyak penemuan
Lebih terperinciMODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON ABSTRACT
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 229-240 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON Tina
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 terperinciHubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian
Diagram Venn. Hubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian S = Himpunan bilangan asli A = Himpunan bilangan
Lebih terperinciCatatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang AK5161 Matematika
Lebih terperinciTEORI RESIKO ELEMENTER
TEORI RESIKO ELEMETER Ringkasan: Pada bagian ini, kita mengembangkan beberapa hubungan antara cadangan, premi, biaya keamanan dan tingkat retensi yang berguna untuk asuransi umum. Hubungan ini didasarkan
Lebih terperinciBAB VI Pembahasan Perbandingan metode pendugaan langsung dan tak langsung untuk pendugaan area kecil melalui pendekatan Bayes
BAB VI Pembahasan 6.1. Pendahuluan Model pendugaan area kecil untuk respon Binomial dan Multinomial pada dasarnya dikembangkan dari model SAE untuk data biner, dimana peubah yang diamati hanya memiliki
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Estimasi Titik dengan Metode Bayes Statistika FMIPA Universitas Islam Indonesia Dalam pendekatan klasik, parameter θ adalah besaran tetap yang tidak diketahui Sampel random X 1, X 2,..., X n diambil
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suatu badan usaha yang selalu menghadapi risiko akan berusaha menghindarkan diri atau memperkecil risiko dengan berbagai macam cara. Salah satu cara yang ditempuh badan
Lebih terperinciESTIMATOR BAYES UNTUK RATA-RATA TAHAN HIDUP DARI DISTRIBUSI RAYLEIGH PADA DATA DISENSOR TIPE II
UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm ESTIMATOR BAYES UNTUK RATA-RATA TAHAN HIDUP DARI DISTRIBUSI RAYLEIGH PADA DATA DISENSOR TIPE II Roudlotin Ni mah,
Lebih terperinciMA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan
MA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan Control your risk! Konsep Surplus 1 Perusahaan asuransi memiliki modal awal atau initial surplus 2 Perusahaan menerima premi dan membayarkan klaim 3 Premi bersifat
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
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 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 terperinciBAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA
BAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA 2.1 Estimasi Bayes Definisi 1 Estimasi Bayes yang paling mungkin dari suatu nilai kebenaran θ 0 yang tidak diketahui pada parameter θ adalah nila ˆθ yang meminimumkan
Lebih terperinciSEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN
SEKOLAH TINGGI MANAJEMEN INFORMAA KOMPUTER JAKARTA STIK SATUAN ACARA PERKULIAHAN Mata : TEKNIK SIMULASI Kode Mata : MI - 15222 Jurusan / Jenjang : D3 TEKNIK KOMPUTER Tujuan Instruksional Umum : Agar mahasiswa
Lebih terperinciPENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU
PENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU Ari Shobri B 1), Septiadi Padmadisastra 2), Sri Winarni 3) 1) Mahasiswa
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 terperinciDISTRIBUSI VARIABEL RANDOM
DISTRIBUSI VARIABEL RANDM Distribusi Variabel Diskrit Distribusi variabel diskrit adalah salah satu variabel acak yang diasumsikan memiliki bilangan terbatas dari nilai-nilai yang berbeda. Contoh : Waktu
Lebih terperinci