Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penentuan tarif premi adalah hal yang krusial bagi perusahaan asuransi agar perusahaan tidak mengalami kerugian dan pemegang polis mendapatkan tarif premi yang sesuai dengan profil risikonya. Salah satu indikator penting dalam penentuan tarif premi adalah frekuensi klaim. Frekuensi klaim pada asuransi kendaraan bermotor sangat penting karena dapat menjadi indikator risiko yang berpengaruh pada seberapa tinggi tarif premi yang harus dibayarkan oleh pemegang polis. Salah satu metode perhitungan tarif premi adalah experience ratemaking, yang terdiri dari dua tahapan perhitungan premi, yaitu a-priori dan a-posteriori. Tahapan a-priori menggunakan skema klasifikasi risiko berdasarkan karakteristik atau faktor risiko dari masing-masing pemegang polis yang diketahui dan terukur hanya di satu waktu tertentu saja. Namun, seiring berjalannya waktu, perusahaan asuransi memperoleh informasi frekuensi klaim, faktor risiko, dan faktor heterogenitas (random effect) dari pemegang polis dari waktu ke waktu sebagai data longitudinal yang digunakan dalam tahapan perhitungan tarif premi a-posteriori. Untuk mengetahui hubungan antara karakteristik risiko dengan banyaknya klaim, dikembangkan beberapa model statistika untuk perhitungan tarif premi a-priori, salah satunya adalah Generalized Linear Model (GLM). Namun, GLM tidak dapat mengakomodasi faktor heterogenitas pada data longitudinal sehingga diperlukan model statistika berikutnya, yaitu Hierarchical Generalized Linear Model (HGLM). Dalam penelitian ini, frekuensi klaim berdistribusi Poisson dan random effect berdistribusi Gamma sehingga model HGLM yang digunakan adalah HGLM Poisson-Gamma. Untuk mengestimasi parameter HGLM Poisson-Gamma, digunakan metode maximum likelihood. Sebagai implementasi HGLM Poisson-Gamma, digunakan pada dua data frekuensi klaim asuransi kendaraan bermotor yang bersifat longitudinal, yaitu data Claimslong dan data Automobile Common Statistics. Berdasarkan data claimslong dengan kovariat usia pengemudi, diperoleh tarif premi tahunan a posteriori untuk setiap kelompok usia. Sedangkan, untuk data Automobile Common Statistics tanpa kovariat, diperoleh tarif premi tahunan a posteriori yang meningkat seiring dengan bertambahnya frekuensi klaim di tahun sebelumnya.

---

Premium ratemaking is a critical aspect of insurance company operations, ensuring financial stability and equitable pricing for policyholders. Claim frequency serves as a pivotal risk indicator, influencing premium rates assigned to individual policyholders. Experience ratemaking, a prevalent premium calculation method, comprises two stages: a priori and a posteriori. The a priori stage employs a risk classification scheme based on static characteristics or risk factors associated with each policyholder. These factors are known and quantifiable only at a specific point in time. The Generalized Linear Model (GLM) exemplifies a common statistical technique employed for a priori premium rate calculation. However, insurance companies accumulate longitudinal data over time, encompassing information on claim frequency, risk factors, and individual-level random effects (heterogeneity). This necessitates a posteriori premium rate determination that can effectively exploit such longitudinal data. Traditional approaches struggle to account for heterogeneity, necessitating the implementation of statistical models capable of accommodating this complexity. Hierarchical Generalized Linear Models (HGLMs) offer a robust solution for this purpose. This study focuses on the Poisson-Gamma HGLM, where claim frequencies are assumed to follow a Poisson distribution and random effects follow a Gamma distribution. The maximum likelihood method is employed to estimate the model's parameters. The effectiveness of the Poisson-Gamma HGLM is assessed through its application to two longitudinal motor vehicle insurance claim frequency datasets: Claimslong and Automobile Common Statistics. The Claimslong dataset incorporates driver age as a covariate, enabling the estimation of a posteriori annual premium rates for distinct age groups. Conversely, the analysis of the Automobile Common Statistics dataset, absent any covariates, reveals an increase in a posteriori annual premium rates along with the increase of claim frequency from the preceding year."

"Premi adalah sejumlah uang yang ditetapkan oleh perusahaan asuransi atau perusahaan reasuransi dan disetujui oleh pemegang polis untuk dibayarkan. Hal tersebut sesuai dengan perjanjian asuransi atau perjanjian reasuransi. Dalam penetapan tarif premi asuransi kendaraan bermotor, perusahaan asuransi memperhitungkan eksposur risiko yang diterima kendaraan bermotor untuk mengestimasi jumlah klaim. Pada umumnya, perusahaan asuransi kendaraan bermotor hanya memperhitungkan faktor durasi kontrak asuransi dalam memperhitungkan eksposur risiko. Namun, pada kenyataannya terdapat faktor lain yang memengaruhi risiko terjadinya kecelakaan, salah satunya adalah jarak tempuh kendaraan. Faktor risiko jarak tempuh telah dipertimbangkan pada asuransi Pay-As-You-Drive (PAYD). Pada penelitian ini, dilakukan penghitungan eksposur risiko pada kendaraan bermotor dengan memperhitungkan jarak tempuh kendaraan dan durasi kontrak asuransi. Tujuannya adalah untuk melihat efek simultan yang dihasilkan oleh jarak tempuh dan durasi kontrak asuransi sebagai kovariat terhadap variabel respons jumlah klaim menggunakan Generalized Additive Model (GAM). GAM digunakan untuk menangkap kemungkinan adanya hubungan non-linear antara kovariat dengan variabel respons. Dalam penelitian ini, GAM dikonstruksi dengan cubic splines dan untuk mengestimasi koefisien model, digunakan metode Penalized Iteratively Reweighted Least Squares (PIRLS). Setelah koefisien model diestimasi, GAM dapat digunakan untuk memprediksi nilai frekuensi klaim. Nilai frekuensi tersebut dapat dimanfaatkan untuk menentukan relativitas harga premi terhadap reference premium. Reference premium adalah nilai premi yang diterapkan ketika diasumsikan tidak ada pengaruh dari kovariat. Selanjutnya, GAM diimplementasikan pada data klaim asuransi kendaraan bermotor untuk menentukan tarif premi.

---

Premium is an amount of money set by an insurance company or reinsurance company and agreed upon by the policyholder to be paid based on an insurance or reinsurance policy. In establishing premium rates for motor vehicle insurance, insurance companies consider the risk exposure associated with motor vehicles to calculate the estimated number of claims. Generally, motor vehicle insurance companies only consider the duration of the insurance contract when calculating risk exposure. However, there are other factors that influence the risk of accidents, one of which is the distance traveled by the vehicle. The mileage risk factor has been considered in Pay-As-You-Drive (PAYD) insurance. In this study, risk exposure in motorized vehicles was calculated by considering the distance traveled by the vehicle and the duration of the insurance contract. The objective is to examine the simultaneous effects of mileage and insurance contract duration as covariates on the response variable of claim amount using the Generalized Additive Model (GAM). GAM is used to capture the possibility of a non-linear relationship between the covariates and the response variable. In this study, GAM is constructed with cubic splines and to estimate the model coefficients, the Penalized Iteratively Reweighted Least Squares (PIRLS) method is used. Once the model coefficients are estimated, the GAM can be used to predict claim frequency values. The frequency value can be used to determine the relativity of the premium price to the reference premium. The reference premium is the premium value that is applied when it is assumed that there is no influence from covariates. Furthermore, GAM is implemented on motor vehicle insurance claim data to determine premium rates."

"Tesis ini membahas mengenai analisa pengaruh variabel demografi yaitu umur pemilik kendaraan bermotor dan profesi dengan mengikutsertakan beberapa variabel kontrol yang dinilai juga memiliki hubungan. Penelitian ini menggunakan metode Generalized Linear Method dan memberikan hasil yang menunjukkan bahwa, hanya variabel umur pemilik kendaraan bermotor yang signifikan terhadap variabel severitas klaim, frekuensi klaim dan premi murni. Semakin bertambah usia seseorang akan berpengaruh terhadap penurunan premi dikarenakan semakin tinggi tingkat kehati-hatiannya sehingga premi yang diberikan semakin rendah.

---

This thesis discusses the analysis of the influence of demographic variables such as age andprofession of motor vehicle owners . by including some of the control variables assessed also hashubunagn . This research method menggunazan Generalized Linear Method and results showedthat only age variable motor vehicle owners are significant to the variable severity of claims ,claim frequency and pure premium . The more mature person will affect the premium declinedue to the higher level of caution that given the lower premiums"

"Tujuan mendasar produk asuransi adalah memberikan proteksi atas kerugian yang tidak pasti kapan terjadi dengan membayar premi sebagai pembayaran transfer risiko tersebut. Mengingat semua risiko tidaksama, perusahaan asuransi tidak dapat memberikan premi murni yang sama untuk setiap risiko pemegang polis dalam portofolio asuransi.  Metode umum untuk menghitung premi murni adalah dengan hasil perkalian antara ekspektasi dari frekuensi klaim dengan severitas klaim. Metode Generalized Linear Models dapat digunakan dalam melakukan estimasi dua komponen tersebut dengan mempertimbangkan karakteristik dari pemegang polis. Metode lain yang dapat digunakan dalam penaksiran premi murni adalah Tweedie Generalized Linear Models. Dimana model Tweedie dapat mengakomodasi kekurangan pada Generalized Linear Models, yakni dapat digunakan pada data klaim yang banyak terdapat nilai klaim sebesar nol rupiah. Dengan menggunakan Tweedie generalized linear models, penaksiran premi murni menjadi lebih efisien karena dapat dilakukan langsung tanpa melakukan estimasi terpisah pada frekuensi dan severitas. Dalam penelitian ini akan ditampilkan komparasi pemodelan dengan menggunakan dua metode tersebut.

---

The fundamental objective product insurance is to provide financial protection from uncertain risk with premium as transferring the risk.  Considering that not all risks are equal, the insurance company should not apply the same premium for all insured risks in portfolio. A commonly method to calculate the pure premium is to multiply the expectation of the claim frequency with the expected cost of claims. Separated- Generalized Linear Models are employed to estimate the two component of pure premium given the characteristic of the policyholders. Another method to estimate the pure premium is Tweedie Generalized Linear Models. Tweedie models can used in the data claims if there are many claims of zero value. Using Tweedie to estimate pure premium more efficient, Tweedie models can estimate pure premium directly without calculate the expectation frequency and severity separated. In this paper, will be practice implementation using these two models."

"ABSTRACTPada umumnya, kerugian pada sektor asuransi dihitung dengan asumsi bahwa komponen severitas kerugian dan frekuensi kerugian bersifat saling bebas. Akan tetapi, pada beberapa kasus, severitas kerugian bergantung pada tingkat frekuensi kerugian. Penelitian ini akan menunjukkan perhitungan agregat kerugian dengan memodelkan severitas kerugian dan frekuensi yang dependen. Untuk menandakan adanya pengaruh frekuensi kerugian pada severitas kerugian, penulis memodelkan rata-rata severitas kerugian dengan menggunakan frekuensi kerugian sebagai kovariat. Oleh karena itu, untuk memodelkannya, akan digunakan Generalized Linear Model. Selanjutnya, untuk menghitung taksiran parameter model, akan dilakukan estimasi parameter menggunakan metode maksimum likelihood.

---

ABSTRACTLoss in non-life insurance was calculated based on claim severity and frequency along with an assumption of independency. However, in some cases, claim severity is depend upon the claim frequency. This paper presents the derivation of aggregate loss calculation by modelling claim severity and frequency as the assumption of independence is eliminated. To induce the dependence among them, the authors model average claim severity by use claim frequency as the covariate. For that purpose, we use the Generalized Linear Model and maximum likelihood to estimate the parameters. Finally, we will obtain the calculated loss."

"Setiap individu memiliki risiko kematian yang berbeda. Risiko Kematian untuk setiap individu dipengaruhi oleh beberapa faktor. Faktor risiko yang dapat diamati adalah faktor underwriting. Perbedaan tingkat kematian untuk setiap individu akan memengaruhi premi asuransi jiwa. Untuk membebankan premi secara adil bagi setiap pemegang polis, perusahaan asuransi memerlukan model yang dapat mengukur mortalitas dari faktor underwriting. Dalam penelitian ini, tingkat mortalitas yang dipengaruhi oleh faktor underwriting, dimodelkan dengan menggunakan Generalized Linear Model (GLM) dan menaksir probabilitas kematian. Probabilitas kematian yang didapatkan, digunakan untuk menghitung premi asuransi jiwa. Pemegang polis asuransi jiwa berjangka satu tahun dengan gender yang sama mempunyai premi asuransi yang sama besar. Sedangkan untuk pemegang polis asuransi jiwa dwiguna satu tahun dengan gender yang berbeda mempunyai premi asuransi yang sama besar.

---

Each individual has a different risk of death. The risk of death for each individual is influenced by several factors. The risk factors that can be observed are underwriting factors. The difference in mortality rates for each individual will affect life insurance premiums. To charge premiums fairly for each policyholder, insurance companies need a model that can measure mortality from underwriting factors. In this study, the mortality rate influenced by underwriting factors was modeled using the Generalized Linear Model (GLM) and estimated the probability of death. The probability of death obtained is used to calculate life insurance premiums. One-year life insurance policyholders with the same gender have the same insurance premium. Whereas for one-year dual-purpose life insurance policyholders with different genders have the same insurance premium."

"Conjugate Gradient merupakan suatu metode optimasi yang dapat meminimasi suatu fungsi, dimana arab pencariannya berdasarkan arab konjugasi yang nilainya ortogonal. Karena sifat pencariannya yang ortogonal, sebingga membuat Conjugate Gradient dapat mencapai konvergensi pad a solusi yang dicari dengan cepat. Conjugate Gradient tidak banya dapat digunakan untuk menyelesakan fungsi yang Iinier, tetapi juga dapat digunakan untuk masalah non Iinier, salab satunya digunakan untuk pelatihan jaringan syaraf tiruan. Pada makalah ini, digunakan algoritma Conjugate Gradient Polak Ribiere dalam pelatiban jaringan syaraf tiruan sebagai sistem peramalan temperature udara. Data k1imatologi yang digunakan sebagai parameter masukan yaitu temperature udara, kelembaban, tekanan udara, curah bujan, lama penyinaran matabari, dan kecepatan an gin. Berdasarkan basil penelitian ini, kita dapat menginterpretasikan babwa sistem peramalan temperatur udara ini mengbasilkan akurasi lebib dari 90%."

"Optimasi merupakan tindakan untuk mencapai hasil yang terbaik. Dalam disiplin matematika, optimasi berfungsi untuk meminimumkan fungsi obejktif dengan atau tanpa kendala. Terdapat beberapa metode yang telah dikembangkan untuk menyelesaikan masalah optimasi tak berkendala. Melalui penelitian ini, diusulkan metode konjugat gradien hibrid untuk menyelesaikan masalah optimasi tak berkendala bernama metode konjugat gradien hibrid IDY-MHS (Dai-Yuan-Hestenes-Stiefel). Metode IDY-MHS telah dibuktikan memenuhi kondisi descent dan sifat konvergensi global. Kemudian, performa komputasi metode IDY-MHS dibandingkan dengan metode IDY dan MHS dari segi banyaknya iterasi dan waktu CPU. Berdasarkan hasil simulasi, metode IDY-MHS memiliki iterasi yang paling sedikit dan waktu CPU yang paling cepat dibandingkan dengan metode IDY dan MHS. Setelah itu, metode IDY-MHS diimplementasikan untuk menyelesaikan masalah seleksi portofolio saham.

---

Optimization is an action aimed at achieving the best possible outcome. In the discipline of mathematics, optimization serves to minimize the objective function with or without constraints. Several methods have been developed to solve unconstrained optimization problems. This research proposes a hybrid conjugate gradient method to solve unconstrained optimization problems, named the IDY-MHS hybrid conjugate gradient method (Dai-Yuan-Hestenes-Stiefel). The IDY-MHS method has been proven to satisfy the descent condition and global convergence properties. Subsequently, the computational performance of the IDY-MHS method is compared with the IDY and MHS methods in terms of the number of iterations and CPU time. Based on the simulation results, the IDY-MHS method has the fewest iterations and the fastest CPU time compared to the IDY and MHS methods. Following this, the IDY-MHS method is implemented to solve the stock portfolio selection problem.>"

"Tugas akhir ini bertujuan untuk mencari taksiran parameter pada Generalized Linear Mixed Model (GLMM). Parameter-parameter dalam GLMM merupakan parameter untuk melihat efek fixed dan efek random dari variabel-variabel prediktor terhadap variabel respon. Hal ini yang membedakan dengan Generalized Linear Regression Model (GLRM), yang hanya memperhatikan efek fixed. GLRM merupakan perluasan dari model regresi linier berganda dalam hal asumsi variansi errornya tidak konstan. Pada tugas akhir ini, metode yang digunakan untuk mencari taksiran parameter pada GLMM adalah metode Best Linear Unbiased Prediction (BLUP). Teori dasar yang dibutuhkan pada metode BLUP ini adalah metode Lagrange dan teorema invers matriks partisi. "