Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pemodelan jumlah klaim mengklaim salah satu topik paspor adalah praktik lapangan. masalah ini sering ditemukan dalam model ingthataatais persebaran. Poisson dributiontion yang digunakan dalam pemodelan sumber klaim tidak dapat digunakan sebagai fakta overproperti penyebaran.Oleh karena itu, distribusi yang distandarisasi di luar negeri dapat dimanfaatkanjumlah klaim yang mengklaim pengungkapan properti yang dibutuhkan. Dalam tulisan ini, analternatif menerima distribusi yang dihasilkan, yaitu Distribusi Umum Biomial Negatif-Negatif Distribusi adalah distribusi distribusi negatif negatif dan distribusi Membalik Gaussie dan distribusi metameterisasi pada parameter negatif Distribusi binomial yaitu p = exp (), di mana nilai variabel acak acak yang didistribusikan Inverse Gaussian. Distribusi eksternal ini adalah unimodal, hasa tebal thailand hasa positif menghasilkan kewajiban koefisien. Dalam tesis tingkat bawah, kemungkinan serangan dan komitmen faktorial dari distribusi NB-IG yang didistribusikan. Berarti, varians, skewness danurturtasthasic properties ofNB-IG distribusi disajikan dan parameter pengujian diperlakukan melalui survival maksimum maksimum metode estimasi. Kepenuhan distribusi NB-IG diilustrasikan oleh data nyata set.

---

One topic of passports is field practice. this problem is often found in modeling the data distribution. tion used in modeling claims sources cannot be used as a fact of overproperty distribution. Therefore, standardized distributions abroad can be used the number of claims claimed In this paper, accept the resulting distribution, namely General Negative-Negative Biomial Distribution, Distribution is negative negative distribution and Gaussie Reverse distribution and metameterization distribution on negative parameters, binomial distribution ie p = exp (), where the variable value Varies Published InverseGaussian. This external distribution is immunodal, Thailand has a positive potential to produce the coefficient obligation. In the lower-level thesis, attacks and factorial commitments from the distributed NB-IG distribution are published. Means, variants, skewness and strictness of the properties of NB-IG distribution are presented and test parameters are approved through maximum maximum survival estimation method. The fullness of the NB-IG distribution is illustrated by real data sets."

"ABSTRAKTesis ini menganalisis sistem bonus malus prinsip nilai ekspektasi untuk asuransi kendaraan bermotor di Indonesia. Pada prinsip nilai ekspektasi setiap pemegang polis dikenakan premi yang proporsional dari ekspektasi jumlah klaim. Data klaim diolah menjadi tabel Jumlah Klaim untuk tahun 2010-2012. Berdasarkan tabel tersebut analisis dilakukan menggunakan distribusi Negative Binomial, Geometric dan Poisson Inverse Gaussian. Hasil distribution fitting menunjukkan distribusi Negative Binomial dan Geometric fit digunakan pada tabel jumlah klaim sedangkan distribusi Poissson Inverse Gaussian tidak. Tabel bonus malus yang dibentuk berdasarkan penelitian ini dapat digunakan untuk penentuan tarif kendaraan bermotor pada PT. ABC dengan menganalisis jumlah klaim yang terjadi pada periode klaim sebelumnya. Hasil analisis dan evaluasi menggunakan tools relative stationary average level (RSAL), coefficient variation (CV) dan waktu konvergensi menunjukkan sistem bonus malus yang berdasarkan distribusi Negative Binomial lebih baik dibandingkan yang berdasarkan distribusi Geometric. Berdasarkan analisis loss ratio, sistem bonus malus lebih mampu merefleksikan risiko pada premi asuransi dibandingkan sistem tarif merata.

---

ABSTRACTThis study's aim analyze the bonus malus system with expected value principle for motor vehicle insurance in Indonesia. In expected value principle each policyholder is charged premium proportionally of their expected number of claims. Claims data is processed into tables Number of Claims for 2010-2012 period. Based on this table analysis was performed using the Negative Binomial, Geometric and Poisson Inverse Gaussian distribution. Results from distribution fitting showing the Negative Binomial and Geometric distribution is accepted used for the table while Poisson Inverse Gaussian distribution is rejected. Table bonus malus established by this study can be used to determine rates of motor vehicle in PT. ABC based on the number of claims occurred in the period of the previous claims. Result from analysis and evaluation using relative stationary average level (RSAL), coefficient of variation (CV) and convergence time tools shows bonus malus system that is based on Negative Binomial distribution is better than that based on Geomteric distribution. Based on the analysis of the loss ratio, bonus malus system is able to reflect the risk in insurance premiums compared flat tariff system."

"ABSTRAKPenelitian mengenai perhitungan jumlah klaim sudah banyak dilakukan orang dengan menggunakan beberapa model pendekatan, diantaranya adalah penelitian yang dilakukan oleh David dan Jemma 2015 serta Valeck 2016 . Salah satu model yang sering digunakan dan telah menjadi standart practice untuk perhitungan jumlah klaim adalah model GLM Poisson dan juga Negative Binomial. Penelitian ini mereplikasi penelitian Fadzli 2015 yang menggunakan model Bayesian Quantile regression untuk perhitungan count data asuransi kendaraan bermotor di Malaysia.Dengan menggunakan model Bayesian Quantile regression, penelitian ini memodelkan banyaknya jumlah klaim kendaraan bermotor berdasarkan umur, kapasitas, jenis dan wilayah klaim. Sampel data yang digunakan pada penelitian ini adalah data frekuensi klaim perusahaan asuransi kendaraan bermotor PT. ABC selama periode 2015 - 2016. Hasil penelitian menunjukan kuantil ke-75 merupakan model terbaik untuk Bayesian Quantile regression. Model ini juga lebih baik dibandingkan dengan Mean Regression, Poisson Regression dan juga Negative Binomial Regression. Umur kendaraan satu tahun, kendaraan dengan kapasitas lebih dari 2500cc , jenis kendaraan Sedan serta wilayah klaim Depok menjadi rating classes dengan risiko tertinggi untuk setiap rating factor.

---

ABSTRACTThe research on the calculation of the claim frequency has been done by many researchers using several models of approaches, including research conducted by David and Jemma 2015 and Valeck 2016 . One model that is often used and has become a standard practice for the calculation of claim frequency is a GLM model Poisson and Negative Binomial. This study replicates the Fadzli 2015 study using the Bayesian Quantile Regression model for count data of vehicle insurance in Malaysia.Using the Bayesian Quantile Regression model, this study modeled claim frequency of vehicle insurance claims based on age, capacity, type and claim area. Sample data used in this research is claim frequency data of vehicle insurance company PT. ABC during the period 2015 2016. The results show the 75th quantile is the best model for Bayesian Quantile Regression. This model is also better than the Mean Regression, Poisson Regression and also Negative Binomial Regression. One year vehicle lifespan, vehicles with capacity greater than 2500cc, Sedan and claims area Depok become rating classes with highest risk for each rating factor."

"ABSTRAKPerlintasan sebidang kereta api dengan jalan merupakan titik pertemuan yang memiliki potensi risiko kecelakaan yag pada umumnya dipicu oleh perilaku pengemudi kendaraan bermotor ataupun fasilitas pengaman persilangan sebidang tersebut. Penelitian ini dilakukan di Jawa Tengah, di mana pada tahun 2015-2018, jumlah kecelakaan kereta api sebanyak 185 kasus kecelakaan dengan korban sebanyak 751 orang. Terdapat 2 (dua) tujuan dari penelitian ini, yaitu: Pertama, untuk mengetahui hubungan kenapa sebuah persilangan sebidang terjadi kecelakaan dan lainnya tidak terjadi kecelakaan yang dikaitkan dengan prasarana jalan maupun jalan rel dan fasilitas yang ada Pendekatan yang ada dengan mengembangkan model kecelakaan persilangan sebidang dengan menggunakan generalized linear model (GLM) dengan pendekatan Negative binomial karena pada hakekatnya pada persilangan sebidang lebih banyak persilangan yang tidak pernah terjadi kecelakaan. Dari hasil analisis diketahui faktor yang mempengaruhi jumlah kecelakaan di perlintasan sebidang kereta api adalah faktor lebar jalan (X1), pengaturan palang pintu rel (X2) dan alinemen vertikal (X6). Kedua untuk mengetahui faktor apa saja dikaitkan dengan pengguna kendaraan jalan yang melintasi persilangan sebidang kereta api terhadap fatalitas korban kecelakaan sebagai proksi memahami faktor apa saja pada manusia yang perlu dipahami untuk meningkatkan upaya keselamatan pada pelintasan sebidang kereta api. Untuk ini model yang dikembangkan dengan menggunakan Ordered Probit Model (OPM) dari analisis ini diketahui faktor yang berpengaruh pada fatalitas yaitu faktor jenis kendaraan (X1) dan cahaya saat kecelakaan (X6). Penelitian ini dapat dijadikan dasar untuk peningkatan keselamatan dengan perbaikan fasilitas persilangan ataupun upaya-upaya modifikasi perilaku manusia untuk lebih mengutamakan keselamatan.

---

ABSTRACTRailroad Level Crossing with road is a conflict point with potential high risk of accidents. In general, it is caused by driver's behavior and railroad level crossing safety facilities. Based on Directorate General of Railways, in Indonesia in 2014-2015 the number of train-car crashes were 96 in which death toll were 101 people. The research will conduct in Central Java Province where in 2015-2018, there were 185 cases of accidents and the number of fatalities was 751. The study objectives were having two folds: First, to understand why particular railroad level crossing having accidents and other do not have accidents in relation with railroad and road conditions and the facilities. The model will used the generalized linear model (GLM) with the Negative Binomial (NB). Negative Binomial has been chosen because basically, the fact a high numbers of level crossing never having an accident. From the analysis results it is known that the factors that influence the number of accidents at the railway level crossing are road width (X1), railroad crossing (X2) and vertical alignment (X6). Second, to understands which human factors contribute to an accident to the level of severities. This is a way as a proxy to understand which factors of human behavior should be considered for improving the safety. The model will utilize the Ordered Probit Model (OPM), from this analysis, it is known that the factors that influence the fatality are the type of vehicle (X1) and light at the time of the accident (X6). The results will benefit for improving the railroad level crossing by improving of crossing facilities and how to modificate human behavior for more concern to have safety behavior."

"ABSTRAKPenelitian ini bertujuan untuk menetapkan jarak minimum ramp masuk dan ramp keluar ditinjau dari aspek keselamatan jalan. Aspek keselamatan yang ditinjau adalah mencari hubungan aspek-aspek geometrik jalan tol dengan tingkat kecelakaan yang terjadi. Kecelakaan yang terjadi dibagi lagi menjadi tiga kategori yakni kecelakaan yang menyebabkan meninggal dunia, menyebabkan luka dan total kecelakaan secara keseluruhan. Data geometrik jalan tol dan kecelakaan diambil dari jalan tol antar kota Jagorawi, Jakarta-Tanggerang, Padaleunyi, dan Palikanci. Model tingkat kecelakaan dikembangkan dengan menggunakan teknik generalized linear modelling (GLM), dan dikalibrasi dengan menggunakan teknik-teknik statistik. Beberapa kesimpulan yang dapat ditarik adalah: (1) Jarak antara ramp masuk dan ramp keluar memiliki nilai koefisien yang signifikan terhadap semua model prediksi; (2) Jarak minimum ramp yang dihasilkan untuk kasus 2 lajur pada model kecelakaan meninggal dunia sebesar 9000 m, untuk kecelakaan luka sebesar 6000 m dan total kecelakaan sebesar 5000m; (3) Jarak minimum ramp yang dihasilkan untuk kasus 3 lajur pada model kecelakaan meninggal dunia sebesar 9000 m, untuk kecelakaan luka sebesar 5500 m dan total kecelakaan sebesar 5000m; (4) Jarak minimum ramp yang dihasilkan untuk kasus 4 lajur pada model kecelakaan meninggal dunia sebesar 6000 m, untuk kecelakaan luka sebesar 5000 m dan total kecelakaan sebesar 4000 m.

---

ABSTRACTThis study was designed to discuss the minimum distance of access and exit in terms of road safety aspects. The safety aspect reviewed is looking for the relationship between the geometric aspects of the toll road to the level of accidents that occur. Accidents that occur are divided into three categories, namely; accidents that caused the death of the world caused injuries and total accidents. The prediction model that will be made is a comparison of the three types of accidents with the geometric aspects of the toll road. Geometric data on toll roads and accidents are taken from toll roads between the cities of Jagorawi, Jakarta-Tangerang, Padaleunyi, and Palikanci. The accident level model was developed using generalized linear modeling (GLM), and calibrated using statistical techniques. Some conclusions that can be drawn are: (1) The distance between the ramp entered and ramp out has a significant coefficient value for all prediction models; (2) The minimum road distance generated for the case of a 2 lanes in the death accident model is 9000 m, for accidental injuries is 6000 m and the total accident is 5000 m; (3) The minimum road distance generated for the case of a 3 lanes in the death accident model is 9000 m, for accidental injuries is 5500 m and the total accident is 5000 m; (4) The minimum road distance generated for the case of a 4 lanes in the death accident model is 6000 m, for accidental injuries is 5000 m and the total accident is 4000 m."

"Distribusi Negative Binomial-Generalized Exponential (NB-GE) merupakan distribusi yang mampu memodelkan data overdispersi dengan extreme excess zeros yaitu lebih dari 80% angka nol dalam data. Distribusi Negative Binomial-Generalized Exponential (NB-GE) merupakan distribusi campuran hasil dari mixing antara distribusi Negative Binomial (NB) dengan distribusi Generalized Exponential (GE). Pembentukan distribusi Negative Binomial-Generalized Exponential (NB-GE) serta karakteristik-karakteristik distribusi Negative Binomial-Generalized Exponential (NB-GE) seperti fungsi kepadatan peluang, momen ke-, mean, variansi, koefisien skewness dan koefisien kurtosis dibahas pada pada skripsi ini. Penaksiran parameter-parameter dari distribusi Negative Binomial-Generalized Exponential (NB-GE) menggunakan metode maximum likelihood. Sebagai ilustrasi, digunakan data kecelakaan fatal yang memiliki lebih dari 80% angka nol yang dimodelkan dengan distribusi Negative Binomial-Generalized Exponential (NB-GE).

---

Negative Binomial-Generalized Exponential (NB-GE) distribution is a distribution that capable for modeling overdispersion data with extreme excess zeros, which is more than 80% zeros in a data. The distribution is a mixture distribution that obtained by mixing the Negative Binomial (NB) distribution with the Generalized Exponential (GE) distribution. The formation of the Negative Binomial-Generalized Exponential (NB-GE) distribution and the characteristics of the Negative Binomial-Generalized Exponential (NB-GE) distribution such as the probability density function, kth moment, mean, variance, skewness and kurtosis are discussed in this paper. Estimation of the parameters from the Negative Binomial-Generalized Exponential (NB-GE) distribution using the maximum likelihood method. As an illustration, Negative Binomial-Generalized Exponential (NB-GE) distribution used to model the data of fatal crash that has more than 80% zeros."