Tamadi, Felicia (2023) Aplikasi model generalized linear dengan distribusi Tweedie pada asuransi kendaraan bermotor = Application of generalized linear model with Tweedie distribution in vehicle insurance. Bachelor thesis, Universitas Pelita Harapan.
|
Text (Title)
Title.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (212kB) | Preview |
|
|
Text (Abstract)
Abstract.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (562kB) | Preview |
|
|
Text (ToC)
ToC.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (585kB) | Preview |
|
Text (Chapter1)
Chapter1.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (552kB) |
||
Text (Chapter2)
Chapter2.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (695kB) |
||
Text (Chapter3)
Chapter3.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (615kB) |
||
Text (Chapter4)
Chapter4.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) |
||
Text (Chapter5)
Chapter5.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (548kB) |
||
|
Text (Bibliography)
Bibliography.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (570kB) | Preview |
|
Text (Appendices)
Appendices.pdf Restricted to Repository staff only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB) |
Abstract
Perusahaan asuransi perlu menghitung jumlah premi yang harus dibayarkan oleh pemegang polis. Salah satu metode yang digunakan untuk memperoleh premi atau ekspektasi kerugian adalah dengan mengalikan nilai harapan frekuensi klaim dengan nilai harapan besarnya klaim. Asumsi yang digunakan adalah frekuensi klaim dan besarnya klaim saling bebas. Data yang digunakan merupakan data yang berdasarkan polis asuransi kendaraan yang dibeli pada tahun 2004 atau 2005 di Australia. Pada penelitian ini digunakan dua jenis data yaitu seluruh data dan data tanpa titik high leverage dan outlier. Untuk setiap jenis data, dilakukan pemodelan Generalized Linear untuk frekuensi klaim dengan menggunakan distribusi Poisson dan besarnya klaim menggunakan distribusi Normal, Negatif-Binomial dan Tweedie. Selain itu, dilakukan pemodelan kerugian untuk seluruh data dengan menggunakan mixed model yang diawali dengan melakukan pemodelan regresi logistik dan dilanjutkan dengan pemodelan Generalized Linear. Untuk seluruh klaim, berdasarkan analisis menggunakan MSE diperoleh bahwa mixed model dengan GLM Poisson-Normal memberikan hasil yang paling baik serta dengan menggunakan MAE diperoleh bahwa GLM Poisson-Negatif Binomial dengan data tanpa titik high leverage dan outlier memberikan hasil yang paling baik. Untuk klaim yang positif, berdasarkan analisis menggunakan MSE dan MAE diperoleh bahwa mixed model dengan GLM Poisson-Tweedie memberikan hasil yang paling baik. Untuk klaim yang bernilai di antara 0 hingga 500, berdasarkan analisis menggunakan MSE dan MAE diperoleh bahwa mixed model dengan GLM Poisson-Normal memberikan hasil yang paling baik. Pengendara berjenis kelamin pria dan berumur lebih muda serta kendaraan dengan harga lebih tinggi dan tipe bodi coupe memberikan ekspektasi kerugian atau premi yang lebih besar, sedangkan kendaraan dengan umur yang paling muda serta tipe bodi convertible dan roadster memberikan ekspektasi kerugian yang paling kecil./ Insurer must determine the appropriate premium price that must be paid by policy holders. One of the methods to obtain premium price is by multiplying the expected value of the frequency of claims with the expected value of the claim cost. Assumption that is used is that frequency of claims is independent of claim cost. Data that is used is based on vehicle insurance policies on 2004 to 2005 in Australia. The high leverage and outlier points from the data can be used to build new data, so there are two types of data, that are full data and data without high leverage and outlier points. For each type of data, frequency of claims is modeled by using Poisson distribution and claim cost is modeled by using Normal, Negative Binomial, and Tweedie distribution. Besides that, loss is modeled using mixed model starting with logistic regression modeling and followed by generalized linear modeling. For all claims, based on analysis using MSE, mixed model with Poisson-Normal GLM give the best result, while using MAE, Poisson-Negative Binomial GLM using data without high leverage and outlier points give the best result. For positive claims, based on analysis using MSE and MAE, mixed model with Poisson-Tweedie GLM give the best result. For claims ranging from 0 to 500, based on analysis using MSE and MAE, mixed model with Poisson-Normal GLM give the best result. Male and younger drivers as well as higher priced and coupe body type vehicles will give greater amount of premium, while younger vehicles as well as convertible and roadster body type vehicles will give smaller amount of premium.
Item Type: | Thesis (Bachelor) | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Creators: |
|
||||||||||||
Contributors: |
|
||||||||||||
Uncontrolled Keywords: | model generalized linear; distribusi Tweedie; asuransi kendaraan bermotor | ||||||||||||
Subjects: | Q Science > QA Mathematics | ||||||||||||
Divisions: | University Subject > Current > Faculty/School - UPH Karawaci > Faculty of Science and Technology > Mathematics Current > Faculty/School - UPH Karawaci > Faculty of Science and Technology > Mathematics |
||||||||||||
Depositing User: | Felicia Tamadi | ||||||||||||
Date Deposited: | 26 Jan 2023 01:01 | ||||||||||||
Last Modified: | 26 Jan 2023 01:01 | ||||||||||||
URI: | http://repository.uph.edu/id/eprint/53124 |
Actions (login required)
View Item |