Halim, Alvin Kurnia
(2016)
Model stokastik distribusi delay klaim untuk penyakit kritis dengan metode generalized linear model.
Bachelor thesis, Universitas Pelita Harapan.
Full text not available from this repository.
Abstract
Berbicara mengenai asuransi, tidak akan terlepas dari pengajuan klaim. Namun tidak semua klaim ini akan dipenuhi, dan dalam prosesnya perusahaan asuransi membutuhkan waktu yang cukup lama untuk mencairkan benefit,khususnya
untuk benefit yang cukup besar. Dalam tugas akhir ini, kita akan memodelkan distribusi prediktif dari penundaan ini dengan menggunakan metode generalized linear model. Pertama akan dilakukan analisa sederhana pada data, yang ternyata memiliki distribusi lognormal, kemudian parameter µ untuk distribusi ini akan diestimasi dengan generalized linear model, untuk mencari nilai-nilai parameter generalized
linear model ini akan digunakan metode Newton Raphson. Setelah berhasil memperoleh parameter generalized linear model akan dimasukan informasi distribusi prior, sehingga dapat ditentukan distribusi prediktif dari penundaan benefit ini. Kemudian dilakukan beberapa simulasi untuk melihat bagaimana pengaruh variabelvariabel tertentu pada lamanya waktu penundaan ini. Hasil yang diperoleh dari tugas akhir ini adalah fungsi distribusi prediktif, rata-rata waktu penundaan,serta batas maksimum dan minimum.
/
Speaking of insurance, will not escape from filing claims. Sometimes not all claims will be filled, and in the process the insurance company need a long time to disburse benefit, especially for the large amount of benefit. In this thesis, we are modeling the predictive distribution from this delay by using generalized linear model. First will be done by a simple analysis on the data,which found to have a lognormal distribution and then the parameters µ for this distribution will be estimated using generalized linear model, to find the values of the generalized linear model parameter, we will use the Newton Raphson method. After successfully obtain the parameter of the generalized linear model, we will included informative prior distribution so that can be determined the predictive distribution from the benefit
delay. Then we do some simulations to see how the influence of certain variables on the length of this delay. The results obtained from this thesis is the density function
of the predictive distribution, the average time delay, maximum and minimun time of delay.
Actions (login required)
 |
View Item |
