Pemodelan Data Besar Kerugian Asuransi Kendaraan Bermotor di Indonesia Menggunakan Distribusi Weibull-Loss

Disa Fauzana, Aceng Komarudin Mutaqin
{"title":"Pemodelan Data Besar Kerugian Asuransi Kendaraan Bermotor di Indonesia Menggunakan Distribusi Weibull-Loss","authors":"Disa Fauzana, Aceng Komarudin Mutaqin","doi":"10.29313/bcss.v3i1.6846","DOIUrl":null,"url":null,"abstract":"Abstract. Loss data modelling is one of important stages in predicting future premiums. Modelling distribution loss data with heavy tailed is prominent research topic. Weibull distribution is a heavy tailed distribution, so that it becomes the initial choice to be used in modeling heavy tailed losses in the finance and insurance. However, the Weibull distribution fails to modelling loss data with large loses. To overcome the problems that existed in the previous distributions, it is necessary to propose a new distribution. A new family of distributions is considered to model loss data for heavy tailed. One of the distributions included in the above distribution family is the three-parameter Weibull-Loss distribution. In this article the Weibull-Loss distribution will be applied to loss data on motor vehicle insurance losses in Indonesia. The procedures for modeling loss data using the Weibull-Loss distribution are: (1) formulating the research hypothesis, (2) estimating the parameters of the Weibull-Loss distribution using the maximum likelihood estimation method, (3) testing the fit of the distribution using the Kolmogorov-Smirnov method. The materials used are secondary data obtained from the insurance company PT. XY year 2014, the data contains partial loss data of motor vehicle insurance holders at Category 8 Region 2  which consists of the DKI Jakarta, West Java and Banten areas. The calculation results show the motor vehicle insurance loss data at the insurance company PT. XY year 2014 Category 8 Region 2 in Indonesia comes from a population with a Weibull-Loss distribution. \nAbstrak. Pemodelan data besar kerugian merupakan salah satu tahapan penting dalam memprediksi premi di masa depan. Pemodelan distribusi besar kerugian dengan heavy tailed (ekor tebal) adalah topik penelitian yang menonjol. Distribusi Weibull termasuk distribusi heavy tailed, sehingga menjadi pilihan awal untuk digunakan dalam memodelkan besar kerugian dengan heavy tailed di bidang keuangan dan asuransi. Namun demikian distribusi Weibull gagal untuk memodelkan data besar kerugian yang nilainya besar-besar. Untuk mengatasi masalah yang ada pada distribusi-distribusi sebelumnya, perlu diusulkan distribusi baru. Keluarga distribusi baru dipertimbangkan untuk memodelkan data besar kerugian untuk heavy tailed. Salah satu distribusi yang termasuk keluarga distribusi di atas adalah distribusi Weibull-Loss tiga parameter. Dalam artikel ini distribusi Weibull-Loss akan diterapkan pada data besar kerugian asuransi kendaraan bermotor di Indonesia. Prosedur pemodelan data besar kerugian menggunakan distribusi Weibull-Loss adalah: (1) merumuskan hipotesis penelitian, (2) menaksir parameter distribusi Weibull-Loss menggunakan metode penaksiran kemungkinan maksimum, (3) uji kecocokan distribusi menggunakan uji Kolmogorov-Smirnov. Bahan yang digunakan merupakan data sekunder yang diperoleh dari perusahaan asuransi PT. XY tahun 2014, data tersebut berisi data besar kerugian Partial Loss pemegang asuransi kendaraan bermotor Kategori 8 yaitu kendaraan jenis Roda dua di Wilayah 2 yang terdiri dari daerah DKI Jakarta, Jawa Barat, dan Banten. Hasil perhitungan menunjukan data besar kerugian asuransi kendaraan bermotor pada perusahaan asuransi PT. XY tahun 2014 Kategori 8 Wilayah 2 di Indonesia berasal dari populasi yang berdistribusi Weibull-Loss.","PeriodicalId":337947,"journal":{"name":"Bandung Conference Series: Statistics","volume":"122 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-01-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bandung Conference Series: Statistics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29313/bcss.v3i1.6846","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Abstract. Loss data modelling is one of important stages in predicting future premiums. Modelling distribution loss data with heavy tailed is prominent research topic. Weibull distribution is a heavy tailed distribution, so that it becomes the initial choice to be used in modeling heavy tailed losses in the finance and insurance. However, the Weibull distribution fails to modelling loss data with large loses. To overcome the problems that existed in the previous distributions, it is necessary to propose a new distribution. A new family of distributions is considered to model loss data for heavy tailed. One of the distributions included in the above distribution family is the three-parameter Weibull-Loss distribution. In this article the Weibull-Loss distribution will be applied to loss data on motor vehicle insurance losses in Indonesia. The procedures for modeling loss data using the Weibull-Loss distribution are: (1) formulating the research hypothesis, (2) estimating the parameters of the Weibull-Loss distribution using the maximum likelihood estimation method, (3) testing the fit of the distribution using the Kolmogorov-Smirnov method. The materials used are secondary data obtained from the insurance company PT. XY year 2014, the data contains partial loss data of motor vehicle insurance holders at Category 8 Region 2  which consists of the DKI Jakarta, West Java and Banten areas. The calculation results show the motor vehicle insurance loss data at the insurance company PT. XY year 2014 Category 8 Region 2 in Indonesia comes from a population with a Weibull-Loss distribution. Abstrak. Pemodelan data besar kerugian merupakan salah satu tahapan penting dalam memprediksi premi di masa depan. Pemodelan distribusi besar kerugian dengan heavy tailed (ekor tebal) adalah topik penelitian yang menonjol. Distribusi Weibull termasuk distribusi heavy tailed, sehingga menjadi pilihan awal untuk digunakan dalam memodelkan besar kerugian dengan heavy tailed di bidang keuangan dan asuransi. Namun demikian distribusi Weibull gagal untuk memodelkan data besar kerugian yang nilainya besar-besar. Untuk mengatasi masalah yang ada pada distribusi-distribusi sebelumnya, perlu diusulkan distribusi baru. Keluarga distribusi baru dipertimbangkan untuk memodelkan data besar kerugian untuk heavy tailed. Salah satu distribusi yang termasuk keluarga distribusi di atas adalah distribusi Weibull-Loss tiga parameter. Dalam artikel ini distribusi Weibull-Loss akan diterapkan pada data besar kerugian asuransi kendaraan bermotor di Indonesia. Prosedur pemodelan data besar kerugian menggunakan distribusi Weibull-Loss adalah: (1) merumuskan hipotesis penelitian, (2) menaksir parameter distribusi Weibull-Loss menggunakan metode penaksiran kemungkinan maksimum, (3) uji kecocokan distribusi menggunakan uji Kolmogorov-Smirnov. Bahan yang digunakan merupakan data sekunder yang diperoleh dari perusahaan asuransi PT. XY tahun 2014, data tersebut berisi data besar kerugian Partial Loss pemegang asuransi kendaraan bermotor Kategori 8 yaitu kendaraan jenis Roda dua di Wilayah 2 yang terdiri dari daerah DKI Jakarta, Jawa Barat, dan Banten. Hasil perhitungan menunjukan data besar kerugian asuransi kendaraan bermotor pada perusahaan asuransi PT. XY tahun 2014 Kategori 8 Wilayah 2 di Indonesia berasal dari populasi yang berdistribusi Weibull-Loss.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
利用weibul - loss的分布,在印度尼西亚设计了大量的机动车保险损失数据
摘要损失数据建模是预测未来保费的重要阶段之一。重尾分布损失数据的建模是一个重要的研究课题。威布尔分布是一种重尾分布,因此它成为金融保险业重尾损失建模的初始选择。然而,威布尔分布无法对损失较大的数据进行建模。为了克服以前发行版中存在的问题,有必要提出一个新的发行版。考虑了一种新的分布族来模拟重尾损失数据。上述分布族中的一个分布是三参数威布尔-损失分布。在这篇文章中,Weibull-Loss分布将被应用于印度尼西亚机动车保险损失的损失数据。利用Weibull-Loss分布对损失数据建模的步骤是:(1)提出研究假设;(2)利用极大似然估计方法估计Weibull-Loss分布的参数;(3)利用Kolmogorov-Smirnov方法检验分布的拟合性。使用的材料是从PT保险公司获得的二手数据。2014年XY,数据包含第8类区域2的机动车辆保险持有人的部分损失数据,该区域包括DKI雅加达,西爪哇和万丹地区。计算结果表明,印尼PT. XY保险公司2014年第8类第2区机动车保险损失数据来源于Weibull-Loss分布的人群。Abstrak。巴基斯坦的数据显示,巴基斯坦的人口普查数据显示,巴基斯坦的人口普查数据显示,巴基斯坦的人口普查数据显示,巴基斯坦的人口普查数据显示,巴基斯坦的人口普查数据显示,巴基斯坦的人口普查数据显示。牡丹分布的种类有:牡丹重尾;牡丹重尾;牡丹重尾;distribubusi Weibull termasuk distribubusi重尾,sehinga menjadi pilihan awal untuk digunakan dalam memodelkan besar kerugian dengan重尾di bidang keuangan dan asuransi。Namun demikian distribubusi Weibull gagal untuk memodelkan data besar kerugian yang nilainya besar-besar。Untuk mengatasi masalah yang ada pada distribution business - distribution business - sebelumnya, perlu diusulkan distribution business - baru。Keluarga分布baru dipertimbangkan untuk memodelkan数据为kerugian untuk heavy tailed。Salah satu distribubusi yang termasuk keluarga distribubusi data adalah distribubusi Weibull-Loss tiga参数Dalam artikel ini分布业务Weibull-Loss akan和diterapkan数据为kerugian asuransi kendaraan和印度尼西亚电动机。(1) Weibull-Loss参数分布;(2)Weibull-Loss参数分布;(3)kecocokan分布;(3)kecocokan分布;杨Bahan杨digunakan merupakan数据sekunder diperoleh达里语perusahaan asuransi PT。XY tahun 2014年于berisi数据大的kerugian部分损失pemegang asuransi kendaraan bermotor Kategori 8 yaitu kendaraan jenis又dua di Wilayah 2杨terdiri达里语daerah DKI雅加达Jawa强烈阵雨,丹万丹。Hasil perhitungan menunjukan数据来自于kerugian asuran kendaraan bermotor, patushaan asuran, PT. XY, tahun 2014 Kategori 8 Wilayah 2 .印度尼西亚asural dari populasi yang berdistribution busi Weibull-Loss。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Penerapan Analisis Konjoin untuk Mengukur Preferensi Wisatawan di Panti Tanjung Kerasak Kabupaten Bangka Analisis Mediasi dalam PLS-SEM untuk Pemodelan Kepuasan Pemustaka pada UPT Perpustakaan Universitas Islam Bandung Optimasi Parameter Support Vector Machine menggunakan Particle Swarm Optimization untuk Bearing Fault Diagnosis Pengaruh Infrastruktur dan Inovasi Hybrid Learning terhadap Kepuasan Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Bandung Angkatan 2020-2021 Perbandingan Metode Seasonal ARIMA dan Metode Fuzzy Time Series-Markov Pada Prediksi Inflasi di Indonesia
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1