Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem bonus malus yang biasanya digunakan pada perusahaan asuransi adalah sistem bonus malus klasik, yang perhitungannya hanya didasarkan pada riwayat banyaknya klaim pemegang polis. Namun, hal ini akan menimbulkan ketidakadilan karena besar kerugian pemegang polis bervariasi, sehingga pada penelitian ini dibangunlah modifikasi sistem bonus malus yang juga mempertimbangkan severitas klaim pemegang polis di masa lalu dengan kredibilitas bivariat yang menggunakan metode Bayesian. Dikarenakan klaim yang diajukan masing-masing pemegang polis dapat bernilai sangat besar ataupun sangat kecil, maka ditentukanlah suatu nilai batas untuk memisahkan kedua jenis klaim tersebut. Distribusi yang digunakan untuk banyaknya klaim adalah distribusi Poisson Gamma. Sedangkan, total banyaknya klaim yang berukuran lebih besar dari nilai batas mengikuti distribusi Binomial Beta. Premi bonus malus akan didapatkan dengan menghitung rasio antara premi Bayes dan premi prior, yang masing-masing didapatkan dari hasil ekspektasi distribusi posterior dan distribusi prior secara berurutan. Aplikasi pada data asuransi kendaraan bermotor asal Swedia menunjukkan bahwa besar premi yang dibayarkan pemegang polis berbanding lurus dengan severitas klaim dan banyaknya klaim atau dengan kata lain model yang dihasilkan memberikan biaya premi yang lebih rendah untuk pemegang polis yang memiliki riwayat klaim bernilai lebih kecil dari nilai batas, begitupun sebaliknya.

---

The bonus-malus system that is commonly used by insurance companies is the traditional bonus-malus system, which is based solely on the policyholder's claims frequency history. However, this approach can lead to unfairness due to variations in the severity of the policyholder's losses. Therefore, this thesis will focus on modifying the bonus-malus premium determination system to consider both the frequency and severity of the policyholder's past claims using bivariate credibility with Bayesian methods. Since claims made by policyholders can have significantly different values, can be very large or very small, a threshold is established to distinguish between these two types of claims. The claim frequency will follow a Poisson Gamma distribution. On the other hand, total claims exceeding the threshold value will follow a Binomial Beta distribution. The bonus-malus premium will be obtained by calculation the ratio between the Bayesian premium and the prior premium, which respectively will be derived from the expected value of the posterior distribution and the prior distribution. By applying this model to the automobile insurance data from Swedia, it demonstrates that the premium amount paid by the policyholder is directly proportional to the severity and frequency of claims. In other words, the resulting model offers lower premium costs for policyholders with a claims history below the threshold value and higher costs for those above it."

"Metode Bornhuetter-Ferguson merupakan salah satu metode yang paling sering digunakan dalam menentukan estimasi cadangan klaim. Metode ini tidak hanya memanfaatkan data historis perusahaan, melainkan juga data eksternal, seperti besar premi, yang disebut sebagai prior information. Dalam tugas akhir ini, prior information yang dimaksud adalah rata-rata klaim. Pada metode Bornhuetter-Ferguson klasik, estimasi prior dari rata-rata klaim diperoleh berdasarkan pengamatan aktuaris terhadap data historis perusahaan. Akan tetapi, apabila terjadi kekeliruan dalam pemilihan estimasi prior, maka akan dihasilkan error yang besar antara prediksi cadangan klaim dengan besar klaim sebenarnya. Maka dari itu, perlu dibangun model Bayesian dalam menentukan estimasi prior untuk rata-rata klaim. Namun pada praktiknya, cukup sulit untuk menentukan distribusi prior dari rata-rata klaim yang tepat. Berdasarkan hal tersebut, akan digunakan model kredibilitas Buhlmann-Straub untuk mengestimasi rata-rata klaim. Selain itu, dilakukan pula estimasi untuk parameter-parameter yang akan digunakan dalam membangun model kredibilitas Buhlmann-Straub. Setelah estimasi rata-rata klaim didapatkan, maka estimasi dari cadangan klaim pada metode Bornhuetter-Feguson dapat diperoleh. Hasil estimasi tersebut akan dibandingkan dengan hasil estimasi metode Chain Ladder klasik dan metode Bornhuetter-Ferguson klasik. Hasil pada simulasi numerik menunjukkan bahwa, metode Bornhuetter-Ferguson dengan rata-rata klaim yang kredibel memberikan persentase error yang lebih kecil dibandingkan dengan kedua metode lainnya.

---

Bornhuetter-Ferguson is one of the most widely used method in predicting claim reserve. This method considers not only historical data but also external data, for example, premium data, which is called as prior information. In this thesis, the claim means are used as the prior information. In traditional Bornhuetter-Ferguson method, prior estimate of claim means are obtained by actuary based on his personal experience or observation of the historical data. However, if these prior estimates are wrongly chosen, then greater error is brought to the claim reserve prediction. Therefore, it is necessary to construct Bayesian model in determining the prior estimate of claim means. Nevertheless in practice, it is still very difficult how to choose the appropriate prior distribution for claim means. Therefore, the Buhlmann-Straub credibility model will be introduced and a research is conducted to estimate the claim means along with estimation of parameters in the model. The estimate of claim means are then used to calculate the claim reserve in Bornhuetter-Ferguson method. The result of the estimation will be compared to the estimate from the traditional Chain Ladder method and traditional Bornhuetter-Ferguson method. In numerical simulation, it is found that Bornhuetter-Ferguson method with credible claim means obtained less error percentage than that of the other two methods."

"Besarnya angka statistik pernikahan dini (pengantin di bawah usia 16 tahun) di beberapa daerah di Indonesia secara keseluruhan cukup tinggi. Dalam rangka menanggulangi hal tersebut perlu dilakukan upaya untuk mempersiapkan remaja agar memiliki pengetahuan berkaitan dengan program KB. Untuk itu, peneliti ingin menganalisis keinginan remaja untuk menggunakan alat/cara KB setelah menikah dengan menggunakan metode CART dan QUEST berdasarkan data Survei Kesehatan Reproduksi Remaja Indonesia (SKRRI) 2002-2003. Berdasarkan hasil analisis antara metode CART dan QUEST diperoleh faktor-faktor yang mempengaruhi keinginan remaja untuk menggunakan alat/cara KB setelah menikah, serta karakteristik dari remaja berkaitan dengan hal tersebut. Selain itu diperoleh keakuratan tingkat klasifikasi dari kedua metode, dimana keakuratan tingkat klasifikasi metode CART sedikit lebih tinggi dibandingkan dengan metode QUEST. "

"Terkadang manfaat pensiun yang diberikan dari jaminan sosial tidak dapat mencukupi kehidupan masa pensiun. Salah satu strategi untuk menambah pendapatan masa pensiun bagi pasangan suami istri lanjut usia yaitu dengan membeli produk equity release, yaitu marriage reverse annuity contract. Marriage reverse annuity contract memberikan manfaat anuitas kepada pasangan suami istri lanjut usia ketika masih hidup (status joint life) bahkan terkadang setelah kematian dari salah satu pasangan (status last survivor) dengan mengonversi seluruh atau sebagian dari nilai real estate yang mereka miliki. Agar lebih realitistis, risiko kematian antarpasangan suami istri diasumsikan dependen karena pasangan suami istri terpapar risiko yang sama. Oleh karena itu, dimodelkan dependensi dari future lifetime pasangan suami istri dengan menggunakan copula. Berdasarkan teorema Sklar, copula adalah fungsi yang menghubungkan distribusi bivariat dengan fungsi kumulatif marginalnya. Salah satu copula yang populer digunakan yaitu copula Archimedean, di mana keluarga copula ini memiliki struktur dan perhitungan yang sederhana, serta memungkinkan berbagai struktur dependensi yang lebih luas. Jenis copula Archimedean yang akan digunakan pada skripsi ini yaitu Clayton, Gumbel, dan Frank. Data yang digunakan yaitu Tabel Mortalitas Indonesia IV, di mana distribusi marginalnya tidak diketahui sehingga estimasi parameter dilakukan dengan metode canonical maximum likelihood. Model marriage reverse annuity untuk status joint life dan last survivor diilustrasikan melalui model multiple state dan struktur probabilitas dikonstruksi menggunakan teorema Sklar dan fungsi survival copula. Berdasarkan hasil perhitungan manfaat kontrak menggunakan copula Clayton, Gumbel, dan Frank diperoleh bahwa nilai manfaat pada status joint life lebih besar daripada last survivor. Pada status joint life, nilai manfaat tahunan kontrak marriage reverse annuity berjangka terkecil diperoleh menggunakan asumsi dependensi dengan copula Frank, sedangkan pada status last survivor, nilai manfaat tahunan kontrak marriage reverse annuity berjangka terkecil diperoleh menggunakan asumsi independensi (tanpa menggunakan copula).

---

Sometimes the retirement benefits from social security are insufficient for retirement life. One strategy to increase retirement income for elderly married couples is to purchase an equity release product, namely a reverse annuity marriage contract. A marriage reverse annuity contract provides annuity benefits to elderly married couples while they are still alive (joint life status) even after the death of one of the partners (last survivor status) by converting all or part of the real estate value they own. To be more realistic, the risk of death between husband and wife is assumed to be dependent because the husband and wife are exposed to the same risk. Therefore, the dependency model of the future lifetime of a husband and wife is modeled using copula. According to Sklar's theorem, the copula is a function that joins bivariate distribution to its marginal cumulative function. One of the most popular copulas used is the Archimedean copula, which has a simple structure and computation, and allows for a wider variety of dependency structures. The types of Archimedean copula that will be used in this study are Clayton, Gumbel, and Frank. The Indonesian Mortality Table IV data is used, where the marginal distribution is unknown, so parameter estimation is executed using the canonical maximum likelihood method. The marriage reverse annuity model for joint life and last survivor status is illustrated through multiple state models and the probability structure is constructed using Sklar's theorem and the copula survival function. Based on the results of calculating the benefits of the contract using the copulas (Clayton, Gumbel, and Frank), it is obtained that the value of benefits in joint life status is greater than that of the last survivor. In joint life status the smallest annual benefit value of a term marriage reverse annuity contract is obtained using the dependence assumption with Frank's copula, whereas in last survivor status the smallest annual benefit value of a term marriage reverse annuity contract is obtained using the independence assumption (without using copula)."

"Kemiskinan merupakan salah satu masalah sosial yang masih menjadi perhatian pemerintah. Hampir seluruh negara berkembang memiliki standar hidup yang masih rendah. Salah satu cara untuk mengurangi kemiskinan adalah dengan menganalisis faktor-faktor yang memengaruhi Salah satu metode yang cocok dalam menganalisis tingkat kemiskinan adalah dengan menggunakan Geographically Weighted Regression (GWR). Hal ini dikarenakan dalam model GWR dipertimbangkan aspek spasial yang berbeda-beda untuk masing-masing lokasi pengamatan. Dalam model GWR dilakukan pendekatan analisis regresi yang digunakan untuk memahami hubungan spasial antara variabel-variabel dalam konteks geografi. Hal ini dikarenakan model GWR mempertimbangkan jarak lokasi pengamatan dengan lokasi sekitarnya, model GWR juga mempertimbangkan pembobot pada masing-masing lokasi pengamatan. Daerah yang dekat dengan lokasi pengamatakan mendapatkan pembobot yang lebih besar daripada daerah yang jauh dengan lokasi pengamatan, dalam hal ini penentuan pembobot dalam model GWR bergantung pada bandwidth. Dalam penelitian ini dilakukan analisis dengan mempertimbangkan empat pembobot spasial yaitu fixed gaussian kernel, fixed bisquare kernel, fixed tricube kernel, dan fixed exponential kernel yang diterapkan pada dua bandwidth yaitu bandwidth CV dan bandwidth AIC. Variabel dependen yang digunakan adalah tingkat kemiskinan dan variabel independen yang digunakan adalah rata-rata lama sekolah, upah minimum, tingkat pengangguran, indeks pembangunan manusia, angka harapan hidup dan jumlah penduduk. Hasil dari penelitian ini menunjukkan bahwa pada 118 Kabupaten/Kota di Pulau Jawa memiliki model GWR yang berbeda-beda. Untuk model GWR menggunakan bandwidth CV diperoleh model terbaik dengan menggunakan fixed exponential kernel dengan sembilan kelompok variabel yang signifikan, untuk model GWR menggunakan bandwidth AIC diperoleh model terbaik dengan menggunakan fixed bisquare kernel dengan enam kelompok variabel yang signifikan.

---

Poverty is one of the social issues that continues to be a concern for the government. Almost all developing countries have low living standards. One way to reduce poverty is by analyzing the factors that influence it. One suitable method for analyzing poverty levels is by using Geographically Weighted Regression (GWR). This is because the GWR model considers different spatial aspects for each observation location. In the GWR model, a regression analysis approach is used to understand the spatial relationship between variables in a geographical context. This is because the GWR model considers the distance between the observation location and its surrounding locations. The GWR model also considers weighting for each observation location. Areas close to the observation location are given a higher weight than areas far from the observation location. In this case, the determination of the weight in the GWR model depends on the bandwidth. This research analyzes four spatial weights, namely fixed Gaussian kernel, fixed bisquare kernel, fixed tricube kernel, and fixed exponential kernel, applied to two bandwidths: CV bandwidth and AIC bandwidth. The dependent variable used is the poverty rate, and the independent variables used are average length of schooling, minimum wage, unemployment rate, human development index, life expectancy, and population. The results of this study show that the 118 districts in Java Island have different GWR models. For the GWR model using the CV bandwidth, the best model is obtained using the fixed exponential kernel with nine significant variable groups. For the GWR model using the AIC bandwidth, the best model is obtained using the fixed bisquare kernel with six significant variable groups."

"Dalam melakukan klasifikasi, tidak jarang terdapat data dengan jumlah anggota kategori yang tidak seimbang. Khususnya dalam dunia kesehatan dimana kategori yang diamati umumnya lebih jarang terjadi. Jika ketidakseimbangan ini tidak ditangani terlebih dahulu maka dapat memberikan hasil klasifikasi yang bias dan kurang akurat. Terdapat beberapa metode rebalancing konvensional untuk menanganinya seperti random oversampling dan random undersampling, namun keduanya diklaim memiliki beberapa kelemahan sehingga beberapa metode yang lebih kompleks dikembangkan. Namun jumlah metode yang dapat digunakan untuk menangani data kategorik selain metode konvensional tersebut masih minim. Salah satu metode yang dapat menangani data kategorik adalah synthetic minority over sampling-technique nominal continuous atau SMOTE-NC yang merupakan ekstensi dari SMOTE yang dikembangkan untuk menangani dataset dengan variabel campuran. Skripsi ini membahas perbandingan dari metode random oversampling dan SMOTE-NC juga metode gabungannya dengan undersampling yaitu random oversampling + undersampling dan SMOTE-NC + undersampling untuk menangani ketidakseimbangan data. Masing-masing metode tersebut akan diterapkan untuk klasifikasi tingkat keparahan COVID-19 berdasarkan urgensi perawatan rumah sakit dengan menggunakan metode random forest dimana selanjutnya dapat dilihat kombinasi metode yang menghasilkan performa terbaik. Penelitian ini juga bertujuan untuk melihat faktor-faktor manakah yang paling penting dalam memprediksi tingkat keparahan COVID-19 berdasarkan urgensi rumah sakit. Digunakan metode Leave-One-Out Cross-Validation untuk mengukur konsistensi model. Diperoleh hasil bahwa metode SMOTE-NC dengan undersampling memberikan performa terbaik dengan komorbid paru-paru, kadar c-reactive protein dan prokalsitonin merupakan variabel terpenting dalam model. Selain itu diperoleh kesimpulan bahwa pemilihan metode rebalancing yang tepat bergantung pada karakteristik data yang dimiliki.

---

In conducting classification, it is not uncommon for data with an unbalanced number of category members. Especially in the world of health where the categories we observe are generally less common. If this imbalance is not handled first, it can give biased and less accurate classification results. There are several conventional rebalancing methods to handle it, such as random oversampling and random undersampling, but both are claimed to have several weaknesses so that several more complex methods were developed. However, the number of methods that can be used to handle categorical data other than the conventional methods is still minimal. One method that can handle categorical data is synthetic minority over sampling-technique nominal continuous or SMOTE-NC which is an extension of SMOTE which was developed to handle datasets with mixed variables. This thesis discusses the comparison of random oversampling and SMOTE-NC methods as well as their combined methods with undersampling, namely random oversampling + undersampling and SMOTE-NC + undersampling to handle data imbalances. These methods will be applied to the classification of the severity of COVID-19 based on the urgency of hospital care using the random forest method, wherein the combination of methods that produces the best performance will be seen. This study also aims to see which factors are the most important in predicting the severity of COVID-19 based on hospital urgency. The Leave-One-Out Cross-Validation method is used to measure the consistency of the model. It was found that the SMOTE-NC method with undersampling gave the best performance with lung comorbidities, c-reactive protein and procalcitonin levels were the most important variables in the model. In addition, it can be concluded that the selection of the right rebalancing method depends on the characteristics of the data held."

"Angka Harapan Hidup (AHH) merupakan rata-rata perkiraan banyak tahun yang dapat ditempuh oleh seseorang sejak lahir. Badan Pusat Statistik (BPS) mencatat bahwa AHH penduduk di Provinsi Jawa Barat tahun 2021 mencapai 73,23 tahun dan menempati posisi keempat dengan nilai AHH tertinggi di Indonesia pada 2021. Penelitian ini bertujuan untuk menganalisis variabel-variabel yang menjelaskan AHH di setiap kabupaten/kota di Provinsi Jawa Barat tahun 2021 menggunakan model regresi linear berganda, Geographically Weighted Regression (GWR), dan Mixed Geographically Weighted Regression (MGWR) yang kemudian dievaluasi untuk memeroleh model terbaik. Pada penelitian ini, model regresi linier berganda digunakan untuk mengetahui seberapa besar pengaruh variabel-variabel independen terhadap variabel AHH dimana nilai estimasi parameter regresi sama untuk setiap wilayah penelitian atau disebut dengan model regresi global. Provinsi Jawa Barat terdiri dari 27 kabupaten/kota yang memiliki karakteristik berbeda antarwilayah sehingga memungkinkan adanya heterogenitas spasial. Model GWR bertujuan untuk mengeksplor heterogenitas spasial dengan membentuk model regresi yang berbeda pada setiap lokasi pengamatan atau dapat disebut dengan model regresi lokal. Hal ini akan menimbulkan permasalahan apabila terdapat variabel independen yang tidak bersifat lokal atau tidak mempunyai pengaruh lokasi, tetapi diduga memiliki pengaruh terhadap variabel dependen secara global. Oleh karena itu, dikembangkan lagi menggunakan model MGWR. Model MGWR menghasilkan estimasi parameter yang bersifat global dan lokal sesuai dengan lokasi pengamatan. Variabel yang bersifat global, yaitu Tingkat Pengangguran Terbuka (TPT) dan Pengeluaran Per Kapita (PPK), sedangkan variabel yang bersifat lokal, yaitu Jumlah Penduduk Miskin (JPM), Harapan Lama Sekolah (HLS), dan Persentase Penduduk yang Mempunyai Keluhan Kesehatan Sebulan Terakhir (KK). Hasil penelitian ini menunjukkan bahwa kedua variabel global berpengaruh terhadap AHH, sedangkan variabel lokal yang berpengaruh terhadap AHH berbeda pada setiap wilayahnya, begitu pula dengan model yang terbentuk juga akan berbeda untuk setiap wilayahnya. Selain itu, model terbaik yang diperoleh adalah model GWR dengan fungsi pembobot fixed Gaussian kernel dengan nilai AIC terkecil, adjusted R-squared terbesar, dan RMSE terkecil dibandingkan model regresi linier berganda dan MGWR.

---

Life Expectancy (AHH) is an estimate of the years that a person will take from birth. Badan Pusat Statistik (BPS) notes that the AHH of the population in West Java Province in 2021 reached 73.23 years and ranked fourth with the highest AHH value in Indonesia in 2021. This study aims to analyze the variables that explain AHH in each district/city in West Java Province in 2021 using multiple linear regression models, Geographically Weighted Regression (GWR) models, and Mixed Geographically Weighted Regression (MGWR) models which are then evaluated to obtain the best model. In this study, the multiple linear regression model is used to determine how much influence the independent variables had on the AHH variable where the estimated values of the regression parameters were the same for each study area or called the global regression model. West Java Province consists of 27 districts/cities which have different characteristics between regions, thus allowing for spatial heterogeneity. The GWR model aims to explore spatial heterogeneity by forming a different regression model at each observation location or it can be called a local regression model. This will cause problems if there are independent variables that are not local in nature or do not have a location effect, but are suspected of having an influence on the dependent variable globally. Therefore, it is further developed using the MGWR model. The MGWR model produces parameter estimates that have global and local characteristics according to the observation location. Global variables are Open Unemployment Rate (TPT) and Per Capita Expenditures (PPK), while local variables are Number of Poor Population (JPM), Expected Years of Schooling (HLS), and Percentage of Population with Health Complaints in the Last Month (KK). The results of this study indicate that both global variables have a significant effect on AHH, while local variables which have a significant effect on AHH are different in each region, as well as the model formed will also be different for each region. In addition, the best model obtained is the GWR model with a fixed Gaussian kernel weighting function with the smallest AIC value, the largest adjusted R-squared, and the smallest RMSE compared to the multiple linear regression model and MGWR model."

"Regresi Poisson sering digunakan untuk menganalisis data diskrit count data. Regresi ini memiliki asumsi equidispersi. Namun, dalam banyak kasus sering dijumpai asumsi tersebut tidak terpenuhi karena adanya overdispersi pada data. Salah satu penyebab overdispersi adalah excess zero. Model regresi yang dapat digunakan untuk mengatasi masalah tersebut adalah regresi Zero-Inflated Poisson ZIP . Regresi ZIP menyelesaikan masalah excess zero dengan mengidentifikasi structural zeros di tahap pertama dan model Poisson counts di tahap kedua. Pada penelitian ini, parameter regresi ditaksir menggunakan metode Bayesian. Pada metode Bayesian, unsur ketidakpastian parameter dipertimbangkan model dalam bentuk distribusi prior. Dengan mengombinasikan distribusi prior dan likelihood, diperoleh distribusi posterior dari parameter yang menjadi perhatian dalam penelitian. Teknik komputasional Markov Chain Monte Carlo-Gibbs Sampling MCMC-GS digunakan untuk melakukan sampling nilai-nilai parameter dari distribusi posterior tersebut. Metode ini kemudian diterapkan untuk memodelkan frekuensi komplikasi motorik pada 215 penderita penyakit Parkinson. Diperoleh hasil bahwa total skor MDS-UPDRS Part 2 dan 3 berasosiasi dengan konsumsi atau tidaknya obat-obatan pada pasien. Lebih lanjut, untuk mereka yang mengonsumsi obat, total skor MDS-UPDRS Part 1 berasosiasi dengan frekuensi komplikasi motorik.

---

Poisson regression is commonly used for analizing count data. This method requires equidispersion assumption. However, in the case of overdispersion, this assumption is not always fulfilled. Overdispersion may exist when there is excess zeros in the data. One of the regression models which might solve it is Zero Inflated Poisson ZIP regression. ZIP regression solves the excess zero problem by identifying the structural zeros at the first stage, then Poisson counts model at the second stage. In this research, the regression parameters are estimated using Bayesian method. Bayesian method acomodates the uncertainty parameters through prior distribution. Combining the prior distribution and likelihood from the data results in the posterior distribution of the parameters of interest. True parameters are then sampled using Markov Chain Monte Carlo Gibbs Sampling MCMC GS. Therefore, this method is applied to model the frequency of motor complications in 215 Parkinson 39 s disease patients. The result shows that total score of MDS UPDRS Part 2 and 3 associated with those taking the medicines or not. Furthermore, for those taking the medicines, total score of MDS UPDRS Part 1 associated with motor complications frequency."

"Asuransi mobil merupakan aspek penting dalam masyarakat modern untuk melindungi individu dari kerugian finansial akibat kejadian tak terduga pada kendaraan mereka. Model penetapan tarif asuransi mobil yang digunakan sebelumnya umumnya mengasumsikan bahwa frekuensi klaim dan tingkat keparahan klaim adalah independen. Namun, seiring perkembangan waktu, penelitian lebih lanjut telah menghasilkan model klaim asuransi yang lebih canggih dengan mempertimbangkan adanya ketergantungan antara frekuensi klaim dan tingkat keparahan klaim. Meski begitu, model-model tersebut memiliki beberapa keterbatasan yang menyebabkan mereka belum mampu menangkap sepenuhnya interaksi kompleks antara frekuensi dan tingkat keparahan klaim. Selain itu, pembahasan mengenai proses yang mendasari ketergantungan tersebut masih sangat terbatas. Oleh karena itu, penelitian ini bertujuan untuk menunjukkan hubungan ketergantungan antara frekuensi klaim dan tingkat keparahan klaim, serta mempelajari dan memahami konsep bonus hunger sebagai elemen perilaku pengemudi yang menjadi fenomena umum dalam kontrak asuransi dengan sistem bonus-malus. Dalam penelitian ini, konsep bonus hunger dimasukkan ke dalam model frekuensi-keparahan klaim yang digabungkan dengan sistem bonus-malus standar dan direpresentasikan sebagai tingkat retensi optimal, yang dihitung menggunakan algoritma Lemaire. Model frekuensi-keparahan klaim ini didasarkan pada kerangka Generalized Linear Model (GLM), di mana frekuensi klaim dimodelkan menggunakan model regresi binomial negatif, sementara tingkat keparahan klaim dimodelkan menggunakan model regresi Gamma. Sementara itu, sistem bonus-malus dimodelkan dengan pendekatan model relasi tipe Bayesian. Hasil aplikasi data menunjukkan adanya hubungan ketergantungan antara frekuensi klaim dan tingkat keparahan klaim, serta mengonfirmasi fenomena bonus hunger sebagai tingkat retensi optimal dalam sistem bonus-malus.

---

Automobile insurance is a necessary aspect of modern society for protecting individuals from the financial losses of their vehicles due to accidents, theft, natural disasters, or other unforeseen events. Within the automobile insurance industry, actuarial ratemaking models are essential in modeling both premiums and insurance claims for each policyholder. Earlier auto-ratemaking models have traditionally assumed independence between claim frequency and severity. Since then, subsequent studies have developed more sophisticated insurance claim models that accommodate dependence between claim frequency and severity. However, these models have several limitations that prevent them from accurately capturing the complex interactions between claim frequency and severity. Moreover, there has been little discussion as to the underlying process that causes this dependence. Therefore, this study aims to showcase the dependent relationship between claim frequency and severity, as well as study and understand bonus hunger as a behavioral element of the driver and a prevalent phenomenon in insurance contracts within the bonus-malus system. The bonus hunger is incorporated into a frequency-severity model coupled with the standard bonus-malus system and represented as an optimal retention level, calculated using the Lemaire algorithm. The frequency-severity model is based on a generalized linear model (GLM) framework in which the frequency is modeled using the negative binomial regression model. In contrast, the severity is modeled using the Gamma regression model. Meanwhile, the bonus-malus system is modeled using a Bayesian-type relativity model. The data application results show the dependent relationship between claim frequency and severity, as well as the bonus hunger phenomenon as an optimal retention level."

"Analisis faktor dengan metode Komponen Utama dikerjakan pada data multivariat, dengan tujuan untuk: meringkas data dan menampakkan faktor-faktor yang ada, yang merupakan gabungan peubah-peubah yang saling bergantungan. Data hasil penelitian dengan banyak peubah, dapat diringkas menjadi data dengan beberapa faktor yang cukup mewakili. Metode Komponen Utama adalah salah suatu metode dari beberapa metode yang ada dalam Analisis Faktor. Faktor yang terbentuk melalui rnetode ini, adalah kombinasi linier dari peubah semula yang banyak itu. Peubah acak, yang banyak itu dapat diekspresikan dalam beberapa faktor, dengan aturan-aturan dan asumsi-asumsi tertentu. Banyak eigenvalue terbesar, yang diambiI dari matriks variansi-kovariansi, menentukan jurmlah faktor yang akan diperhatikan. Sedangkan loading-loading yang memberikan kontribursi besar, yang akan rnenentukan peubah-peubah mana yang bergabung membentuk faktor tersebut."