Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Penelitian ini membahas konstruksi distribusi Marshall-Olkin-Kumaraswamy-Eksponensial (MOKw-E), yang merupakan kombinasi distribusi Marshall-Olkin (MO) dan Kumarawasmy-Eksponensial (Kw-E). Distribusi ini dikenal sebagai model fleksibel yang dapat diaplikasikan untuk data dengan berbagai bentuk distribusi. Estimasi parameter dilakukan menggunakan Maximum Likelihood Estimation (MLE) dengan bantuan dua metode numerik, yaitu metode Nelder-Mead dan metode Gradien Konjugat Fletcher Reeves. Kedua metode ini banyak digunakan dalam penyelesaian permasalahan optimasi karena memiliki tingkat efisiensi yang tinggi dengan komputasi yang sederhana tetapi memberikan hasil yang akurat. Kedua metode ini akan dibandingkan dengan melihat nilai Mean Squared Error (MSE) yang merupakan suatu metrik untuk melihat seberapa cocok model dengan data yang digunakan. Terakhir, model yang dikembangkan diaplikasikan pada data severitas klaim asuransi pengangguran untuk menunjukkan kemampuan model dalam memodelkan data severitas klaim. Model tersebut akan dibandingkan dengan model yang dibangun dari distribusi Kw-E dengan melihat nilai Akaike Information Criteria (AIC) dan Bayessian information criteria (BIC) untuk menunjukan bahwa model yang dikembangkan lebih baik dibandingkan model asalnya.

---

This research discusses the construction of the Marshall-Olkin-Kumaraswamy-Exponential (MOKw-E) distribution, which is a combination of the Marshall-Olkin (MO) and Kumaraswamy-Exponential (Kw-E) distributions. This distribution is known as a flexible model applicable to data with various distribution shapes. Parameter estimation is performed using Maximum Likelihood Estimation (MLE) with the assistance of two numerical methods the Nelder-Mead method and the Conjugate Gradient Fletcher Reeves method. Both methods are widely used in solving optimization problems due to their high efficiency with simple computations yet accurate results. These methods will be compared by examining the Mean Squared Error (MSE) values, which is a metric to assess how well the model fits the data. Finally, the developed model is applied to unemployment insurance claim severity data to demonstrate the model's capability in representing severity claim data. The model will be compared with a model built from the Kw-E distribution by evaluating the Akaike Information Criteria (AIC) and Bayesian Information Criteria (BIC) values to show that the developed model is superior to the original model.

"

"The book includes 45 papers from a selection of the 156 papers accepted for presentation and discussed at the conference on “Advanced statistical methods for the analysis of large data-sets.”"

"Summary:Engaging and accessible, this comprehensive introduction to statistics integrates Stata commands with numerous examples based on real data."

"ABSTRACTElusive Population adalah populasi yang anggotanya sulit untuk dideteksi dan tidak mempunyai kerangka sampling yang lengkap dan jelas. Metode sampling yang khusus diperlukan untuk melakukan pengambilan sampel pada Elusive Population. Centre Sampling adalah salah satu metode pengambilan sampel yang dapat digunakan pada Elusive Population. Ide dari Centre Sampling ini adalah mengamati individu yang menjadi objek penelitian pada pusat berkumpulnya individu-individu tersebut atau yang disebut dengan pusat agregasi. Secara umum ada dua tahap pengambilan sampel pada Centre Sampling, yang pertama adalah memilih sebanyak m pusat agregasi dari M pusat yang sudah ditentukan. Kemudian yang kedua peneliti harus mengamati setiap individu yang ada di pusat yang terpilih. Centre Sampling mempunyai kondisi Inclusion Probability, dimana peluang setiap individu untuk dapat terplih menjadi anggota sampel berbeda-beda . Pada penulisan skripsi ini parameter populasi yang akan ditaksir menggunakan Centre Sampling adalah total populasi. Estimator yang akan digunakan untuk mencari taksiran total populasi adalah Horvitz ndash; Thompson Estimator yang diperkenalkan oleh Horvitz ndash; Thompson pada tahun 1952. Horvitz ndash; Thompson Estimator adalah penaksir yang tak bias untuk total populasi. Pada skripsi ini juga akan dicari taksiran variansi dari taksiran total populasi.

---

ABSTRACTExlusive Population is population which members are difficult to detect and does not have any complete and clear sampling frame. A particular sampling method is required to take samples from Elusive Population. Centre Sampling is one of the sampling method that can be used on Elusive Population. The idea of Centre Sampling is to observe individual who becomes an object of research in a centre where all individual gather, or called as a centre of aggregation. In general, there are two steps to take samples in Centre Sampling. First of all, choose as many as m of M centre of aggregation that have been listed. Then, researchers must observe every individual in the selected centre. Centre Sampling has an Inclusion Probability condition, which probability of every individual of being selected as a member of samples are different. In this undergraduate thesis, population parameter which will be estimated using Centre Sampling is total population. The estimator which will be used to find the estimated total population is Horvitz Thompson Estimator, introduced by Horvitz Thompson in 1952. Horvitz Thompson Estimator is an unbiased estimator for total population. This undergraduate thesis will also look for unbiased estimator of the variance for estimated total population. "