BAB 3 METODE PENELITIAN

dokumen-dokumen yang mirip
ANALISIS DAN PERANCANGAN PREMI SISTEM BONUS-MALUS PADA NON-LIFE INSURANCE DENGAN DISTRIBUSI POISSON-EKSPONENSIAL

BAB 4 ANALISIS, SIMULASI, DAN PEMBAHASAN. Pendekatan Bayes dalam mengestimasi parameter digunakan dalam fungsi kerugian

BAB 1 PENDAHULUAN. masing-masing individu untuk terhindar dari kerusakan dan kehilangan. Asuransi

BAB 1 PENDAHULUAN. Asuransi umum adalah istilah yang digunakan untuk menggambarkan sebuah

BAB 1 PENDAHULUAN. Banyaknya kecelakaan dan bencana yang diakibatkan oleh kelalaian manusia

ANALISIS DAN PERANCANGAN PREMI BONUS MALUS OPTIMAL DENGAN BESAR KLAIM BERDISTRIBUSI PARETO BERBASIS C#

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

SISTEM BONUS MALUS DENGAN FREKUENSI KLAIM BERDISTRIBUSI GEOMETRIK DAN UKURAN KLAIM BERDISTRIBUSI WEIBULL LILYANI SUSANTI

PERSATUAN AKTUARIS INDONESIA

BAB II TINJAUAN PUSTAKA

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN Latar Belakang

PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E

BAB I PENDAHULUAN. memperkecil atau meminimumkan ketidakpastian tersebut. Risiko dapat terjadi

Prosiding Statistika ISSN:

BAB III METODE PENELITIAN

M-2 PERHITUNGAN PREMI ASURANSI KENDARAAN MENGGUNAKAN PENDEKATAN DISTRIBUSI PELUANG

II. LANDASAN TEORI. sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol

ANALISIS DAN PERANCANGAN PREMI BONUS-MALUS DENGAN FREKUENSI KLAIM BERDISTRIBUSI GEOMETRI DAN BINOMIAL-NEGATIF BERBASIS C#.NET

BAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur

Lampiran Pertanyaan dan Jawaban Wawancara Pertanyaan Kuisioner Analisis Pengguna

UJIAN A70 PERIODE JUNI 2014 SOLUSI UJIAN PAI A70. A70-Pemodelan dan Teori Risiko 9/14/2014

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB II LANDASAN TEORI

Mata Kuliah Pemodelan & Simulasi

BAB I PENDAHULUAN. hubungan antara dua variabel yang terdiri dari variabel tak bebas (Y ) dengan

BAB 2 LANDASAN TEORI

SATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS

TINJAUAN PUSTAKA. bebas digunakan jarak euclidean - sedangkan bila terdapat. korelasi antar peubah digunakan jarak mahalanobis - -

Pengantar Statistika Matematik(a)

Catatan Kuliah. MA4183 Model Risiko

BAB 1 PENDAHULUAN Latar Belakang

Catatan Kuliah. MA4183 Model Risiko

BAB I PENDAHULUAN Latar Belakang Masalah

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

PERSATUAN AKTUARIS INDONESIA

BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan

BAB I PENDAHULUAN. risiko finansial yang disebabkan oleh peristiwa aktuaria (actuarial events).

MA4183 MODEL RISIKO Control your Risk!

BAB II TINJAUAN PUSTAKA

Catatan Kuliah. MA4183 Model Risiko

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Prosiding ISBN :

Catatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

SIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4183 MODEL RISIKO Control your Risk!

GENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI

Perbandingan Estimasi Parameter Pada Distribusi Eksponensial Dengan Menggunakan Metode Maksimum Likelihood Dan Metode Bayesian

ANALISIS DAN PERANCANGAN PREMI BONUS-MALUS PADA NON-LIFE INSURANCE BERDISTRIBUSI POISSON- GAMMA

BAB 1. Pendahuluan. Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat telah

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

SIMULASI PREMI ASURANSI KENDARAAN BERDASARKAN BANYAKNYA KLAIM PEMEGANG POLIS PADA PERIODE SEBELUMNYA MENGGUNAKAN ANALISIS BAYES.

KAJIAN ANALISIS GEROMBOL BERBASIS MODEL PADA DATA YANG MENYEBAR NORMAL GANDA INDAH RATIH ANGGRIYANI

MA4181 MODEL RISIKO Risk is managed, not avoided

TINJAUAN PUSTAKA Asuransi Kelompok Penyakit Lanjut Usia (Lansia) di Indonesia

MA4181 MODEL RISIKO Risk is managed, not avoided

BAB IV SIMULASI PEMBANDINGAN PERILAKU PENDUGA FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK DENGAN BANDWIDTH OPTIMAL DAN BANDWIDTH OPTIMAL ASIMTOTIK

MA4183 MODEL RISIKO Control your Risk!

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Distribusi Probabilitas : Gamma & Eksponensial

ANALISIS STRUCTURAL EQUATION MODEL DENGAN PENDEKATAN BAYESIAN

II. TINJAUAN PUSTAKA

STK 203 TEORI STATISTIKA I

PEMBANGKIT RANDOM VARIATE

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

Bab 2 LANDASAN TEORI

BAB III SIMULASI SISTEM ANTRIAN M/M/1. paket data. Adapun kinerja yang akan dibahas adalah rata-rata jumlah paket dalam

BAB I PENDAHULUAN. , untuk x 0, 0, 0 { 0, untuk x yang lain. 1 maka fungsi densitas di atas akan menjadi fungsi densitas distribusi

MODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON ABSTRACT

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.

Hubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

TEORI RESIKO ELEMENTER

BAB VI Pembahasan Perbandingan metode pendugaan langsung dan tak langsung untuk pendugaan area kecil melalui pendekatan Bayes

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

Pengantar Statistika Matematika II

II LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran

BAB I PENDAHULUAN. 1.1 Latar Belakang

ESTIMATOR BAYES UNTUK RATA-RATA TAHAN HIDUP DARI DISTRIBUSI RAYLEIGH PADA DATA DISENSOR TIPE II

MA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

BAB I PENDAHULUAN. 1.1 Latar Belakang

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

BAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

PENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU

BAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR

DISTRIBUSI VARIABEL RANDOM

Transkripsi:

BAB 3 METODE PENELITIAN 3.1 Flowchart Penelitian Gambar 3.1 Flowchart Diagram 36

37 3.2 Langkah-Langkah Penelitian Metodologi penelitian merupakan tahapan yang harus ditetapkan sebelum melakukan penelitian, 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 :

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 :

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.

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.