PEMODELAN FREKUENSI DATA KLAIM PADA ASURANSI KENDARAAN DENGAN MENGGUNAKAN DISTRIBUSI POISSON DAN BINOMIAL NEGATIF = MODELING THE FREQUENCY OF CLAIM DATA ON VEHICLE INSURANCE USING POISSON AND NEGATIVE BINOMIAL DISTRIBUTIONS


Anisa, Nur (2020) PEMODELAN FREKUENSI DATA KLAIM PADA ASURANSI KENDARAAN DENGAN MENGGUNAKAN DISTRIBUSI POISSON DAN BINOMIAL NEGATIF = MODELING THE FREQUENCY OF CLAIM DATA ON VEHICLE INSURANCE USING POISSON AND NEGATIVE BINOMIAL DISTRIBUTIONS. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
H12115023_skripsi1.png cover.png

Download (122kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
H12115023_skripsi.pdf 1-2.pdf

Download (899kB)
[thumbnail of Dapus] Text (Dapus)
H12115023_skripsi.pdf dp.pdf

Download (171kB)
[thumbnail of Full Text] Text (Full Text)
H12115023_skripsi.pdf
Restricted to Repository staff only

Download (1MB)

Abstract (Abstrak)

Penelitian ini, memodelkan frekuensi data klaim asuransi kendaraan dengan menggunakan distribusi poisson dan binomial negatif yang mempertimbangkan karakteristik kendaraan dan profil pengemudi. Generalized Linear Models (GLMs) digunakan untuk memodelkan frekuensi data klaim. Karakteristik kendaraan dan profil pengemudi dinyatakan sebagai faktor yang berpengaruh terhadap frekuensi klaim. Estimasi parameter menggunakan metode maksimum likelihood dan iterasi numerik Newton Raphson. Pemilihan model berdasarkan nilai AIC terkecil. Hasil pemodelan frekuensi klaim pada data Automobile Claim Datasets menunjukkan bahwa model distribusi binomial negatif lebih baik dari pada model distribusi poisson. Nilai AIC model distribusi poisson dan binomial negatif berturut-turut sebesar 34822 dan 34785.
Keywords : Frekuensi Klaim, Generalized Linear Model, Distribusi Poisson, Binomial Negatif, Estimasi Maksimum Likelihood.

Item Type: Thesis (Skripsi)
Subjects: Q Science > Q Science (General)
Depositing User: S.Sos Rasman -
Date Deposited: 24 Jan 2022 03:24
Last Modified: 24 Jan 2022 03:24
URI: http://repository.unhas.ac.id:443/id/eprint/12636

Actions (login required)

View Item
View Item