Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
PENERAPAN METODE GENERALIZED LINEAR MODELS UNTUK MENGESTIMASI BESARAN KLAIM ASURANSI BERDASARKAN DATA KLAIM YANG BERDISTRIBUSI GAMMA
Pengarang
YESI AFRILLIA - Personal Name;
Dosen Pembimbing
Rini Oktavia - 197010121995122002 - Dosen Pembimbing I
Hafnani - 197509092005012001 - Dosen Pembimbing II
Nomor Pokok Mahasiswa
1608101010026
Fakultas & Prodi
Fakultas MIPA / Matematika (S1) / PDDIKTI : 44201
Subject
Kata Kunci
Penerbit
Banda Aceh : Fakultas MIPA Matematika., 2022
Bahasa
Indonesia
No Classification
519.72
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Data besaran klaim dianalisis untuk memperoleh prediksi banyaknya uang yang akan dibayarkan oleh pihak asuransi pada setiap klaim. Penelitian ini menggunakan metode Generalized Linear Models untuk menganalisis faktor-faktor yang mempengaruhi besaran klaim serta memprediksi besaran klaim dimasa yang akan datang dengan menggunakan data asuransi yang variabel responnya berdistribusi Gamma. Data yang digunakan pada penelitian ini merupakan data klaim kerugian akibat kebakaran pada periode 1980-1990 yang dikumpulkan oleh Reasuransi Copenhagen yang terdiri dari 2167 klaim kerugian akibat kebakaran. Data ini meliputi kerugian finansial dari cakupan bangunan, material dan profits. Tujuan dari penelitian ini adalah untuk menentukan model dari hasil analisis faktor-faktor yang mempengaruhi besaran klaim pada data yang dikumpulkan oleh Reasuransi Copenhagen. Dalam menentukan model ini, dilakukan estimasi besaran klaim dengan metode Generalized Linear Models (GLMs) pada data besaran klaim yang berdistribusi Gamma menggunakan aplikasi R. Ada tiga model yang diperoleh pada penelitian ini, dimana masing-masing model menunjukkan seberapa besar variabel prediktor berpengaruh terhadap besaran Klaim dan variabel profits merupakan Variabel yang paling berpengaruh terhadap besaran klaim.
Kata kunci: Besaran klaim, Generalized Linear Models, Distribusi Gamma.
The claim severity data is analyzed to obtain a prediction of the amount of money that will be paid by the insurer for each claim. This study uses the Generalized Linear Models method to analyze the factors that influence the claims severity and predict the severity claims in the future by using insurance data whose response variable is Gamma distributed. The data used in this study is data on claims for losses due to fires in the period 1980-1990 collected by Copenhagen Reinsurance which consists of 2167 claims. This data includes financial losses coverage of buildings, materials and profits. The purpose of this study is to determine the model from the analysis of the factors that influence the claims severity on the data collected by Copenhagen Reinsurance. In determining this model, an estimation of the claim severity is made using software R by applying the Generalized Linear Models (GLMs) method on the claim amount data which has a Gamma distribution. There are three models obtained, each model shows how much the predictor variable affects the claim severity and the profits variable is the variable that has the most influence on the claim severity. Keywords: Claim Severity, Generalized Linear Models, Gamma Distribution
PENERAPAN METODE POISSON - GENERALIZED LINEAR MODELS UNTUK MENGANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KLAIM ASURANSI KENDARAAN BERMOTOR (STUDI KASUS : SWEDEN ALL MOTOR INSURANCE) (Nurmasyithah, 2021)
MODEL KREDIBILITAS BÜHLMANN DENGAN KLAIM BERDISTRIBUSI BINOMIAL NEGATIF DAN 2-POISSON (Nurbahari, 2021)
PENENTUAN PREMI BONUS-MALUS OPTIMAL DENGAN FREKUENSI KLAIM MENYEBAR BINOMIAL NEGATIF DAN BESARAN KLAIM MENYEBAR WEIBULL TERPOTONG (IZZAH MAULIDIA, 2022)
HALAMAN JUDULRN PENENTUAN PREMI BONUS-MALUS OPTIMAL DENGAN FREKUENSI KLAIM MENYEBAR BINOMIAL NEGATIF DAN BESARAN KLAIM MENYEBAR WEIBULL TERPOTONG (IZZAH MAULIDIA, 2022)
PERHITUNGAN PREMI ASURANSI MENGGUNAKAN KREDIBILITAS BUHLMANN-STRAUB PADA DATA HACHIMEISTER (Dinda Yana, 2020)