MODEL REGRESI COX PROPORTIONAL HAZARD BERDISTRIBUSI RAYLEIGH DENGAN FUNGSI SPASIAL GEOSTATISTIK UNTUK PERHITUNGAN PREMI ASURANSI JIWA

Muhamad Alyas, - (2024) MODEL REGRESI COX PROPORTIONAL HAZARD BERDISTRIBUSI RAYLEIGH DENGAN FUNGSI SPASIAL GEOSTATISTIK UNTUK PERHITUNGAN PREMI ASURANSI JIWA. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_MAT_2009123_Title.pdf Download (1MB)
	Text S_MAT_2009123_Chapter1.pdf Download (790kB)
	Text S_MAT_2009123_Chapter2.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_MAT_2009123_Chapter3.pdf Download (992kB)
	Text S_MAT_2009123_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_MAT_2009123_Chapter5.pdf Download (947kB)
	Text S_MAT_2009123_Appendix.pdf Restricted to Staf Perpustakaan Download (790kB)

Abstract

Perusahaan asuransi memiliki peranan penting dalam melindungi keuangan dan kesejahteraan finansial pemegang polis serta keluarganya. Salah satu tujuan perusahaan asuransi adalah memprediksi risiko sehingga dapat memberikan harga premi yang kompetitif kepada pemegang polis dengan risiko kecil, dan harga premi yang lebih tinggi kepada pemegang polis dengan risiko tinggi. Penerapan distribusi Rayleigh pada regresi Cox Proportional Hazard dapat digunakan untuk melihat bertahan hidup individu pada suatu wilayah tertentu dengan memperhatikan efek acak (frailty) spasial geostatistik. Estimasi nilai parameter diperoleh dari model log-likelihood dengan menggunakan metode Estimasi Maksimum Likelihood (MLE) dan dilanjutkan dengan metode optimisasi Newton-Raphson. Penelitian ini diterapkan khusus pada kasus AML di Barat Laut Inggris tahun 1982 hingga 1998. Faktor-faktor yang signifikan memengaruhi ketahanan hidup pemegang polis adalah usia, jenis kelamin, jumlah sel darah putih, dan tingkat ketidakmakmuran daerah. Hasil dari nilai premi asuransi jiwa menunjukkan bahwa model survival dengan efek acak spasial ϕ=3 cocok digunakan untuk pemegang polis dengan risiko kecil dan model survival dengan efek acak spasial ϕ=1 cocok digunakan untuk pemegang polis dengan risiko tinggi. Insurance companies play a vital role in protecting the financial security and well-being of policyholders and their families. One of the goals of insurance companies is to predict risk to offer competitive premium rates to policyholders with low risk and higher premium rates to policyholders with high risk. The application of the Rayleigh distribution in Cox Proportional Hazard regression can be used to examine individual survival in a specific region, taking into account spatial geostatistical random effects (frailty). Parameter estimation values are derived from a log-likelihood model using the Maximum Likelihood Estimation (MLE) method, followed by the Newton-Raphson optimization method. This study is specifically applied to cases of AML in Northwest England from 1982 to 1998. Significant factors affecting policyholder survival include age, gender, white blood cell count, and the level of deprivation in the area. The results of life insurance premium values indicate that the survival model with spatial random effects ϕ=3 is suitable for policyholders with low risk, while the survival model with spatial random effects ϕ=1 is suitable for policyholders with high risk.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=new_articles&hl=en&imq=Muhamad+Alyas# ID SINTA Dosen Pembimbing: Fitriani Agustina : 5981275 Bambang Avip Priatna Martadiputra: 6124136
Uncontrolled Keywords:	Distribusi Rayleigh, Regresi Cox Proportional Hazard, Spasial Geostatistik, Model Survival, Premi Asuransi Jiwa. Rayleigh Distribution, Cox Proportional Hazard Regression, Spatial Geostatistics, Survival Model, Life Insurance Premiums.
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HG Finance Q Science > QA Mathematics
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan)
Depositing User:	Muhamad Alyas
Date Deposited:	03 May 2024 03:01
Last Modified:	03 May 2024 03:01
URI:	http://repository.upi.edu/id/eprint/117210

Actions (login required)

View Item