( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

dokumen-dokumen yang mirip
BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB 8 PERSAMAAN DIFERENSIAL BIASA

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

Created by Simpo PDF Creator Pro (unregistered version)

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

( L ). Matriks varians kovarians dari

BAB II LANDASAN TEORI

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

Line Transmisi. Oleh: Aris Heri Andriawan ( )

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

PERBAIKAN ASUMSI KLASIK

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010

Analisis Jalur / Path Analysis

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

PENGGUNAAN METODE MODIFIED UNIT DECOMMITMENT (MUD) UNTUK PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA - BALI

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2)

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013

BAB II LANDASAN TEORI

APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER (CONTOH KASUS DI G. KELUD)

ANALISIS DATA KATEGORIK (STK351)

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

1. Mistar A. BESARAN DAN SATUAN

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR

BAB 2 LANDASAN TEORI

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

BAB II LANDASAN TEORI

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001

Nama : Crishadi Juliantoro NPM :

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang

Pengenalan Aksara Pallawa dengan Model Hidden Markov

BAB 2 LANDASAN TEORI

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

RANGKAIAN SERI. 1. Pendahuluan

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA

III. METODE PENELITIAN

BAB 2 LANDASAN TEORI

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama

BAB 2 LANDASAN TEORI

Bab 1 PENDAHULUAN Latar Belakang

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

ESTIMASI PELUANG KEMUNCULAN KLAIM PADA PERUSAHAAN ASURANSI KECELAKAAN MELALUI PEMODELAN POINT PROCESS

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

BAB I PENDAHULUAN 1.1 Latar Belakang

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5" TAHUN 2008 TENTANG

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang

SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI

IV. METODOLOGI PENELITIAN

BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON

BAB V ANALISA PEMECAHAN MASALAH

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

PENDUGAAN RASIO, BEDA DAN REGRESI

Pemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN

9. TEKNIK PENGINTEGRALAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

Transkripsi:

8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang erdr dar n obseras berbeda, yau x, x,..., x. dengan raaan 2 n m dan ragam j, j j ddefnskan sebaga pendapaan prem yang akan masuk ke perusahaan asurans seper raso kerugan aau sejumlah dana yang akan dasuranskan. Prem yang dbayarkan erganung dar nensas klam yang dberkan. Raaan dan ragamnya dasumskan salng bebas, maka fungs lkelhoodnya n ÕÕ j ( j, j ) f x m (33) Seap parameer (raaan dan ragam) dar seap grup daa klam berbeda dasumskan bebas, maka akan ddapakan raaan poseror yang merupakan penduga prem rsko. amun, secara umum formula n dak dgunakan karena dalam prosesnya dbuuhkan negras numerk yang rum. Raaan poserornya adalah E( m D) ò n Õ m f x m f m,,..., dmd,..., d j, j n n j (,..., n ) f x x (34) dmana D adalah kumpulan unuk semua daa (durakan pada Lampran 7). 2. Teor Kredblas Menuru Buhlmann e all. (982) sebagamana dkup Rene, penduga kredblas dak bsa dgunakan unuk klam yang besar. Seper yang elah djelaskan sebelumnya bahwa penduga kredblasnya akan sama dengan raaan poserornya bersfa keluarga eksponensal sederhana yang merupakan sask cukup unuk q dan fungs prornya merupakan naural conjugae pror. Gsler (992) sebagamana dkup Rene memperkenalkan suau model yang mengkombnaskan prosedur kredblas dengan suau daa rmmng. Hal n menark karena penggunaan sebaran Laplace lkelhood dan sebaran pror yang merupakan sebaran normal, maka raaan poseror yang ddapa merupakan penduga robus yang akan membenuk suau daa rmmng. Kunsch (992) sebagamana dkup Rene menggan penduga kredblas dengan penduga robus. Gsler dan Renhard (993) juga memperkenalkan suau meode khusus mencar penduga robus unuk mendapakan penduga prem rskonya, yang akan durakan lebh lanju pada sud kasus dbawah n. STUDI KASUS Dalam sud kasus dbawah n Gsler dan Renhard (993) memperkenalkan eor kredblas dan kredblas robus yang dgunakan unuk menganalss daa-daa klam agar mendapakan nla prem. la prem ersebu kemudan dbandngkan dengan penduga nla prem yang dhung menggunakan model Bayesan. Dnoaskan : x adalah nensas klam dar kaegor j rsko ke dalam ahun ke j unuk seap j (,..., ; j,..., n) dnyaakan dalam dar jumlah yang akan dasuranskan. adalah jumlah yang akan dasuranskan dan dnyaakan dalam mlyaran CHF (Confoederao Heleca Franc). n adalah jumlah ahun dan adalah jumlah kaegor rsko. Prem nddual seap kaegor rsko ke adalah n j x å xj, j

9 dengan n å. j j Berdasarkan Buhlmann dan Sraub (970), prem kredblas dar seap kaegor rsko ke adalah m m+ a x - m, ˆ dmana m adalah raaan porofolo dan a adalah fakor kredblas dar kaegor rsko ke b a b+ w dengan b dan wadalah ragam. Buhlmann dan Sraub juga memperkenalkan suau langkah unuk menduga nla m, b, dan wdar suau sampel dengan a ˆ m dengan a a å x å a n wˆ ååj xj -x n- ì j ˆ - b c íå x -x - - î 2 å - x åx 2 wˆü ý þ æ ö c å - ç è ø Dberkan caaan bahwa nla raaan porofolo berbeda dengan nla raaan prem. Gsler dan Renhard (993) mengasumskan bahwa raaan nddual m q Eé ë x q ù û adalah jumlah dar j ordnary-par dan excess-par m q m q + m 0 xs, dengan excess-par bebas erhadap kaegor m q rsko nddual. Ordnary-par dugaan berdasarkan dar sask robus 0 dan m xs dugaan berdasarkan obseras klamklam xs. Dkeahu n j å mn ( xj, cj ) j 2 æ ö dengan cj +ç ç è j ø n n åå j adalah obseras besar yang dsederhanakan dar seap kaegor rsko. Berdasarkan Gsler dan Renhard, penduga kredblas robus adalah ˆ m ˆ m + a - ˆ m + ˆ m dmana ˆ m n xs xs xs j j j xs x - j j j mn x, c j j j j b a b+ w åå a ˆ m, a a å å a Model yang elah durakan daas dgunakan unuk menghung prem pada daa klam dbawah n. j, Berku n dberkan daa-daa klam dar Swss Assocaon of Propery Insurers. Tabel Daa-daa klam dar Swss Assocaon of Propery Insurers o Jumlah yang Kaegor rsko Inensas Klam dasuranskan Tahun ( dalam CHF Kaegor ( dalam ) `000 ) Indusr Bau Mula 8,952,537.70 2 9,408,94 0.923 3 9,6,202 0.790 4 9,233,632 0.494 5 9,34,82.405

0 Lanjuan o Kaegor rsko Jumlah yang Inensas Klam dasuranskan Tahun ( dalam CHF Kaegor ( dalam ) `000 ) 2 Indusr Logam 54,637,79.229 2 56,97,669 0.592 3 56,04,549 0.640 4 54,660,986 2.863 5 57,393,239 0.446 3 Indusr Kayu 6,039,27 2.844 2 6,27,858 2.337 3 5,770,074 2.907 4 4,96,525 2.396 5 5,209,93 0.972 4 Indusr Keras 5,03,003.468 2 5,862,988.570 3 6,637,453 0.322 4 6,474,230 0.556 5 5,962,600 6.329 5 Indusr Teksl 7,690,266 0.464 2 7,87,476.60 3 8,489,434 2.75 4 8,298,066 0.802 5 7,80,48 0.8 6 Indusr Makanan 3,58,262.22 2 4,0,545 0.985 3 3,027,446 0.763 4 2,654,978 0.395 5 2,395,3 0.564 7 Indusr Kma 8,033,54 0.80 2 9,599,797.702 3 23,505,75 0.74 4 6,665,459 0.250 5,548,235 0.308 8 Energ 2,969,6 0.466 2 23,257,289 0.43 3 2,524,998 0.369 4 2,390,824 0.94 5 23,346,584 0.25 9 Perokoan dan Perhoelan 44,9,033 0.544 2 45,32,074 0.4 3 43,405,903 0.583 4 43,309,859 0.790 5 4,759,826 0.60 Toal 89,99,62 0.990 2 97,784,637 0.857 3 97,49,80 0.663

Lanjuan o Kaegor rsko Kaegor Tahun Jumlah yang dasuranskan Inensas Klam ( dalam CHF `000 ) ( dalam ) 4 87,649,559.260 5 84,767,029.06 Daa-daa ersebu erdr dar berbaga macam nensas klam dar semblan kaegor 9 rsko pemegang pols berbeda selama perode lma ahun beruru-uru n 5. Inensas klam yang dmaksud dsn adalah jumlah nla klamnya dbag dengan sejumlah yang akan dasuranskan. Inensas klam berperan penng dalam penghungan prem rsko. Karya uls n menggunakan sofware Mcrosof Excel dalam penghungannya unuk mendapakan nla-nla yang dngnkan berdasarkan meode yang elah dperkenalkan oleh Buhlmann dan Sraub sera Gsler dan Renhard. Dduga nla raaan porofolo sera nla ragam adalah ˆ m 0.977 0 wˆ 9.450 0 b ˆ 0.03 0 la raaan premnya adalah x 0.949 0. la yang ddapa, 2,..., n -6 {0.956, 0.808, 2.290,.395,.063, 0.776, 0.632, 0.339, 0.584} 0 Dduga nla klam ambahan adalah ˆ m xs 0.208 0. Berdasarkan Gsler dan Renhard (993), nla ragam yau b dan w ddapakan berdasarkan modfkas dar model Buhlmann dan Sraub, yau -6 w 0.885 0-6 b 0.06 0 Raaan porofolo dar klam ordnary adalah ˆ m 0.838 0 Raso ragam yang ddapa dar model Buhlmann dan Sraub adalah w 9.450 87.969 b 0.03 sedangkan raso ragam yang ddapa dar model Gsler dan Renhard adalah w 0.885 78.443 b 0.06 Ternyaa n 9 lebh kecl dbandngkan dengan raso ragamnya, maka penduga Bayeslah yang akan dgunakan sebaga penduga unuk membandngkan nla prem yang sudah ddapa. Raaan poseror berdasarkan Rene Schneper yang ddefnskan sebaga dugaan prem rsko. Tabel 2 Raaan poseror berdasarkan Rene Schneper Kaegor Rsko unuk Indusr 2 3 4 5 6 7 8 9 Raaan Poseror.03 0.80.6.30.3 0.9 0.77 0.63 0.69

2 Sehngga ddapakan prem rsko dar seap kaegor rsko. Tabel 3 Prem rsko murn dar beberapa kaegor rsko Kaegor Rsko unuk Indusr 2 3 4 5 6 7 8 9 Raaan Porofolo 0.977 0.977 0.977 0.977 0.977 0.977 0.977 0.977 0.977 Prem Inddual 0.956.4 2.320 2.032.063 0.776 0.667 0.339 0.584 Prem Kredblas 0.973.075.52.292 0.992 0.925 0.877 0.739 0.766 Prem Kredblas Robus.070.027.244.28.087.029 0.977 0.854 0.906 Raaan Poseror.03 0.80.6.30.3 0.9 0.77 0.63 0.69 Keerangan Indusr Bau Mula 5 Indusr Teksl 9 Perokoan dan Perhoelan 2 Indusr Logam 6 Indusr Makanan 3 Indusr Kayu 7 Indusr Kma 4 Indusr Keras 8 Energ Keerangan unuk abel d aas : Indusr Bau Mula la prem kredblas dperoleh sebesar (0.973), prem kredblas robus (.070), raaan poseror (.03), dan prem nddual (0.956). Semua nla yang dperoleh mendeka nla penduga, yau raaan poserornya (.03). Hal n berar nla penduga prem sama dengan prem rsko. Indusr Logam la prem kredblas dperoleh (.075) yang ernyaa nlanya lebh besar darpada prem kredblas robus (.027), dan jauh lebh besar dbandngkan dengan raaan poseror (0.80). Hal n dakbakan adanya penclan yang besar dar nla nensas klam, yau (2.863). Karena besar perbandngannya, maka prem yang dgunakan adalah prem kredblas robus (.027) yang mendeka nla penduga. Indusr Kayu la prem kredblas dperoleh (.52), prem kredblas robus (.244), kedua nla ersebu dbawah nla penduganya, yau raaan poseror (.6) dan raaan nddual (2.320). Prem yang ddapa dengan meode kredblas lebh sesua dbandngkan dengan meode kredblas robus. Indusr Keras la prem kredblas dperoleh(.292) dan ernyaa nlanya sedk lebh besar dbandngkan dengan prem kredblas robus (.28). Hal n dakbakan adanya penclan yang besar pada nensas klam yau (6.329). amun penclan ersebu dapa dhlangkan pengaruhnya dengan meode kredblas robus. Prem yang ddapa dengan menggunakan meode kredblas robus lebh sesua jka dbandngkan dengan meode kredblas. Indusr Teksl la prem kredblas dperoleh (0.992) dan ernyaa nlanya mendeka nla prem kredblas robus (.087). amun kedua nla ersebu lebh rendah darpada nla penduga yau raaan poseror (.3), sebab penduganya dpengaruh adanya klam yang rendah dalam lma ahun erakhr. Indusr Makanan la prem kredblas dperoleh (0.925), prem kredblas robus (.029), raaan poseror (0.9). Ternyaa nla prem kredblas mendeka nla penduga, yau raaan poseror sebesar (0.9). Hal n berar nla penduga prem sama dengan prem rsko. Indusr Kma Dperoleh nla prem kredblas (0.877), prem kredblas robus (0.977), kedua nla ersebu lebh besar dbandngkan nla penduga yau raaan poseror (0.77). Prem yang ddapa dengan menggunakan meode kredblas lebh sesua dbandngkan dengan meode kredblas robus.

3 Energ la prem kredblas dperoleh (0.739), prem kredblas robus (0.854), kedua nla ersebu lebh besar dbandngkan nla penduganya, yau raaan poseror (0.63). Sebaga ambahan, erdapa suau harga ngg yang mbul karena adanya penduga kredblas robus sehngga erdapa baya ambahan unuk rsko xs yang erdapa pada semua kaegor rsko. Prem yang ddapa dengan menggunakan meode kredblas lebh sesua dbandngkan dengan meode kredlblas robus. Perokoan dan Perhoelan Dperoleh nla prem kredblas (0.766), prem kredblas robus (0.906), kedua nla ersebu lebh besar dbandngkan nla penduga yau raaan poseror (0.69). Sebaga ambahan, erdapa suau harga ngg yang mbul karena adanya penduga kredblas robus sehngga erdapa baya ambahan unuk rsko xs yang erdapa pada semua kaegor rsko. Prem yang ddapa dengan menggunakan meode kredblas lebh sesua dbandngkan dengan meode kredlblas robus Raaan poseror dsn memberkan nla prem rsko murn yang berbeda dbandngkan dengan prem rsko yang dhaslkan dengan menggunakan eor kredblas, walaupun nlanya hampr mendeka. amun dalam aplkas basanya prem rsko yang dhung dengan menggunakan meode kredblas (prem kredblas) lebh sesua dbandngkan dengan analss Bayesan (raaan poseror). amun dalam kasus n, raaan poseror dpengaruh oleh nensas klamnya, bak yang rendah maupun yang ngg. Penduga kredblas robus dapa memberkan solus yang bak unuk nesas klam yang besar, dengan kaa lan dak erpengaruh secara sgnfkan karena adanya penclan dalam prem rskonya. SIMPULA Karya lmah n menjelaskan cara penghungan prem rsko murn dengan menggunakan meode Bayesan robus dan meode kredblas robus. Dar kedua meode ersebu ddapakan raaan poseror sebaga penduga unuk menduga prem rsko. Kemudan penduga prem yang dperoleh dengan menggunakan meode kredblas dan meode kredblas robus dbandngan dengan raaan poseror yang dperoleh dengan menggunakan analss Bayesan robus. Dar perbandngan ersebu ddapakan prem yang sesua dengan klam yang ada. Dalam aplkas basanya dgunakan prem yang dperoleh dengan menggunakan meode kredblas. amun jka erdapa penclan dalam daa klamnya dgunakan meode kredblas robus agar penclan ersebu dak berpengaruh pada hasl yang ddapa. Raaan poseror yang merupakan penduga robus dak erpengaruh secara sgnfkan karena adanya penclan-penclan dalam daa klam.