Statistika Terapan (S2)

Permanent URI for this collection

https://repository.unpad.ac.id/handle/kandaga/273

Browse

Browsing Statistika Terapan (S2) by Author "Achmad Zanbar Soleh"

Now showing 1 - 4 of 4
  • No Thumbnail Available
    Item
    Estimasi Loss Reserve Menggunakan Metode Cape Cod
    (2018-01-18) RANI ANDRIANI; Lienda Noviyanti; Achmad Zanbar Soleh
    Salah satu permasalahan manajemen asuransi yaitu mengestimasi besar klaim yang harus dipersiapkan dalam menanggulangi klaim-klaim yang akan terjadi di masa mendatang. Pada praktiknya, proses penyelesaian klaim menimbulkan durasi waktu yang disebabkan oleh prosedur yang harus dipenuhi berupa kelengkapan dokumen, penyelidikan terhadap penyebab terjadinya risiko, dan lain-lain. Adanya durasi waktu dalam proses penyelesaian klaim berdampak kepada perusahaan asuransi dalam menyediakan dana berupa besar klaim agregat yang diestimasi untuk klaim-klaim yang akan terjadi pada periode mendatang, yang disebut sebagai loss reserve IBNR. Pada penelitian ini, digunakan metode Cape Cod untuk menentukan estimasi loss reserve. Berdasarkan hasil perhitungan, distribusi yang cocok pada penelitian ini adalah distribusi Weibull dengan prediction error sebesar Rp 77.109.714.049,00, sehingga diperoleh total estimasi loss reserve adalah sebesar Rp 271.050.344.496,00.
  • No Thumbnail Available
    Item
    Estimasi Loss Reserve menggunakan metode Double Chain Ladder
    (2018-01-16) ANNISA LESTARI; Lienda Noviyanti; Achmad Zanbar Soleh
    Salah satu permasalahan dalam manajemen asuransi yaitu menetapkan total agregat klaim yang harus dipersiapkan dalam menanggulangi klaim-klaim yang telah terjadi dan dilaporkan tetapi masih dalam proses penyelesaian disebut RBNS/Reported But Not Settled dan klaim-klaim yang sudah terjadi tetapi belum dilaporkan disebut IBNR/Incurred But Not Reported. Durasi waktu yang ditimbulkan dari proses penyelesaian klaim berdampak kepada perusahaan asuransi dalam menganggarkan dana guna memperlancar proses pembayaran klaim. Dalam prakteknya, Perusahaan asuransi mengumpulkan klaim-klaim menjadi besar klaim agregat dan banyak pelaporan klaim agregat berdasarkan periode klaim dan periode penyelesaian klaim (development), sehingga menghasilkan nilai estimasi besar klaim agregat untuk periode mendatang disebut loss reserve. Metode yang banyak digunakan dalam mengestimasi loss reserve yaitu metode Chain Ladder (CL). Dalam menanggulangi kekurangan pada metode CL, peneliti menggunakan metode Double Chain Ladder (DCL) dalam mengestimasi loss reserve. Selanjutnya, peneliti melakukan resampling satu dataset klaim menggunakan metode bootstrap menghasilkan sejumlah sampel bootstrap sehingga dapat mengestimasi rata-rata, prediksi error serta quantiles yang menggambarkan distribusi dari loss reserve.
  • No Thumbnail Available
    Item
    Estimasi Loss Reserve Menggunakan Pendekatan Gauss Markov Pada General Linear Model
    (2018-01-15) ELSA EMELIANA BR SEMBIRING; Achmad Zanbar Soleh; Lienda Noviyanti
    Perusahaan asuransi harus menyediakan dana yang digunakan untuk membayar klaim-klaim yang diajukan tertanggung yang disebut sebagai loss reserve. Perusahaan harus memperhitungkan loss reserve peristiwa yang sudah terjadi tetapi belum dilaporkan ke pihak perusahaan asuransi (IBNR). General Linear Model dapat digunakan untuk memodelkan IBNR disertai dengan prediction errornya. Halliwell (1996) menyatakan bahwa dalam mengestimasi loss reserve menggunakan GLM, estimator yang paling baik digunakan adalah Gauss Markov. Gauss Markov tidak hanya dapat mengestimasi parameter, tetapi juga mengestimasi segitiga bawah (future loss) (Ludwig & Schmidt, 2010). Gauss Markov merupakan estimator yang bersifat Best Linear Unbiased Estimator (BLUE) sehingga akan menghasilkan estimasi yang tidak bias, dan konsisten. Dalam penelitian ini, pendekatan estimasi Gauss Markov pada GLM akan digunakan sebagai pendekatan umum terhadap Mack model dan additive model dalam mengestimasi loss reserve.
  • No Thumbnail Available
    Item
    Return Portofolio Optimal dengan Pendekatan Single Index Model, Treynor Black Model, dan Black-Litterman Model
    (2018-01-15) ADRI ARISENA; Lienda Noviyanti; Achmad Zanbar Soleh
    Membentuk portofolio optimal adalah metode yang dapat membantu investor meminimalkan risiko dan mengoptimalkan keuntungan. Beberapa model untuk portofolio optimal meliputi model Single Index Model (SIM), Treynor Black Model (TBM) dan Black-Litterman Model (BLM). SIM didasarkan pada pengamatan bahwa harga dari suatu sekuritas berfluktuasi searah dengan indeks pasar. Dalam TBM seseorang investor dapat melihat bahwa model tersebut kurang berfokus pada nilai beta namun lebih fokus pada risiko yang tidak sistematis. BLM menggabungkan elemen data historis dan pandangan investor untuk membentuk prediksi baru portofolio sebagai dasar penyusunan model. Prediksi pandangan dalam penelitian ini menggunakan time series ARIMA dan GARCH. Tujuan dari penelitian ini adalah membentuk return portofolio optimal dengan SIM, TBM dan BLM berdasarkan single view investor dan kombinasi beberapa view investor dengan pendekatan ARIMA dan GARCH.