Proses Compound Poisson Analisis Risiko Operasional Menggunakan Pendekatan Distribusi Kerugian dengan Metode Agregat.

∫ ∫ ∫ ∫ ∫ ∫ ∫ Jadi, terbukti . Teorema 2 Misalkan adalah peubah acak dua dimensi maka: [ ] Bukti Teorema 2 [ ] ] { [ ] } [ ] Jadi terbukti [ ] [ ] Atas dasar Teorema 1 dan Teorema 2 dan dalam kaitannya dengan ketiga asumsi yang digunakan, maka diperoleh nilai harapan dari : 2 Bukti 2 dan ragam : 3 Bukti 3 [ ] [ ] [ ] di mana Selanjutnya akan diperlihatkan rumus fungsi pembangkit momen dari . 4 Bukti 4 [ ] [ ] karena saling bebas, maka [ ] dan berdistribusi identik, diperoleh: Selanjutnya untuk menentukan fungsi distribusi dari dapat dilihat sebagai berikut: ∑ ∑ Menurut operasi konvolusi untuk risiko kolektif dan sesuai dengan asumsi berdistribusi sama , ∑ Jika distribusi besarnya klaim individu adalah diskret dengan fungsi probabilitas maka distribusi dari total klaim juga diskret, sehingga fungsi probabilitas dari dapat diperoleh sebagai berikut : ∑ ∑

3.2 Proses Compound Poisson

Pada umumnya, sebaran dari peubah acak banyaknya klaim adalah sebaran Poisson dengan fungsi massa peluang dengan Nilai harapan dan ragam dari sebaran Poisson berturut-turut adalah Misalkan dan merupakan nilai harapan dan momen ke-2 dari , dapat dinyatakan dan Jika peubah acak banyaknya klaim memiliki sebaran Poisson, maka peubah acak pada persamaan 1 memiliki sebaran compound Poisson. Sehingga, nilai harapan dan ragam dari sebaran compound Poisson adalah 8 dan 9 Bukti 8 Diketahui S= + +…+ , dengan , , … menyebar i.i.d dan menyebar Poisson. Akan dibuktikan . ∑ ∑ [∑ ] ∑ [∑ ] ∑ [∑ ] ∑ ∑ Bukti 9 Diketahui S= + +…+ , dengan , , … menyebar i.i.d dan menyebar Poisson. Akan dibuktikan : . ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ Fungsi pembangkit momen untuk sebaran Poisson yaitu: Dengan mensubstitusikan fungsi pembangkit momen Poisson diperoleh persamaan berikut 10 Sehingga, fungsi pembangkit momen untuk sebaran compound Poisson dapat dituliskan sebagai berikut: 11 Sebaran Poisson hanya dapat dipakai jika nilai ragamnya sama dengan nilai harapannya. Namun jika nilai ragam dari banyaknya kerugian lebih besar dari nilai harapannya maka sebaran yang digunakan untuk peubah acak N banyaknya klaim adalah sebaran binomial negatif dengan fungsi massa peluang 12 dengan . Nilai harapan dan ragam dari sebaran binomial negatif berturut-turut sebagai berikut Misalkan dan berturut-turut merupakan nilai harapan dan momen ke-2 dari , dapat dinyatakan Jika peubah acak banyaknya klaim memiliki sebaran binomial negatif maka peubah acak S pada persamaan 1 memiliki sebaran compound binomial negatif. Sehingga, diperoleh nilai harapan dan ragam dari sebaran compound binomial negatif sebagai berikut 13 dan 14 Bukti 13 Diketahui: dengan menyebar i.i.d dan menyebar binomial negatif. Akan dibuktikan : . ∑ ∑ [∑ ] ∑ [∑ ] ∑ [∑ ] ∑ ∑ Bukti 14 Diketahui: dengan menyebar i.i.d dan menyebar binomial negatif Akan dibuktikan: ∑ | ∑ ∑ | ∑ [ ∑ ∑ ∑ ] ∑[ ] ∑ ∑ { } { } { } { } Fungsi pembangkit momen untuk sebaran binomial negatif adalah : Dengan mensubstitusikan fungsi pembangkit momen binomial negatif pada persamaan 4 maka diperoleh fungsi pembangkit momen untuk sebaran compound binomial negatif adalah sebagai berikut: 15 3.3 Sifat Sebaran Compound Poisson Sebaran compound Poisson memiliki dua sifat, yaitu: 1. Jika setiap peubah acak menyebar compound Poisson, maka jumlah dari peubah acak tersebut juga menyebar compound Poisson. 2. Jika peubah acak S dinyatakan S= N 1 + N 2 +…+ maka peubah acak S memiliki sebaran compound Poisson Berikut akan dijelaskan lebih lanjut sifat- sifat dari sebaran compound Poisson. 1. Jika setiap peubah acak menyebar compound Poisson, maka jumlah dari peubah acak tersebut juga menyebar compound Poisson ∏ ∑ ∑ untuk lebih jelasnya maka sifat 1 dirangkum dalam Teorema 3 berikut : Teorema 3 Jika peubah acak saling bebas, dan menyebar compound Poisson dengan parameter dan fungsi kepekatan peluang dari kerugian , maka , menyebar compound Poisson dengan ∑ ∑ Bukti Teorema 3 Diketahui :   Berdasarkan persamaan 10, maka Akan dibuktikan maka ∑ ∏ ∏ ∑ [∑ ] Persamaan di atas merepresentasikan dua peranan penting dalam memodelkan klaim. Pertama, jika portofolio menyebar compound Poisson dan saling bebas, maka klaim majemuk dari portofolio yang dikombinasikan juga menyebar compound Poisson. Kedua, misal sebuah portofolio tunggal dengan jangka waktu tahun. Diasumsikan klaim agregat tahunan untuk jangka waktu tahun dan klaim majemuk tiap tahun saling bebas dan menyebar compound Poisson. Sebaran tahunan untuk klaim majemuk tidak harus selalu sama. Menurut Teorema 3, total klaim untuk jangka waktu tahun menyebar compound Poisson. 2. Jika peubah acak S dinyatakan maka peubah acak S memiliki sebaran compound Poisson. Misalkan merupakan peubah acak diskret dari sejumlah kerugian klaim. , merupakan peluang untuk setiap . 20 peubah acak yang menyatakan banyaknya klaim. Peubah acak dinyatakan sebagai 21 Menurut Teorema 4 berikut, peubah acak S menyebar compound Poisson. Namun, untuk dapat menggunakan Teorema 4 diperlukan pemahaman dasar mengenai sebaran multinomial. Teorema 4 Jika peubah acak S seperti pada persamaan 21 menyebar compound Poisson dengan parameter dan fungsi peluang kerugian klaim diskret seperti pada persamaan 20 maka  saling bebas.  menyebar Poisson dengan parameter Bukti Teorema 4 Diketahui :   ∑  ∑  Fungsi peluang dan pembangkit momen untuk sebaran multinomial adalah [ ∑ ] Akan dibuktikan . [ ∑ ] ∑ ∑ [ ∑ ] ∑ ∑ ∑ ∑ ∑ ∑ ∑ [ ∑ ] ∏ 22 Fungsi pembangkit momen seperti persamaaan 22 menunjukkan adanya kebebasan untuk setiap Sehingga jika dimisalkan maka fungsi pembangkit momen pada persamaan 22 akan menjadi

3.4 Pendekatan Distribusi Total Klaim

Dokumen yang terkait

Analisis Keandalan Transformator Daya Menggunakan Metode Distribusi Weibull (Studi Kasus Transformator Daya GI. Titi Kuning PT. PLN Persero)

5 89 98

Pengukuran Risiko Operasional Dengan Pendekatan Bayesian Bootstrapping

3 43 45

Pengukuran Risiko Operasional Dengan Pendekatan Peak Over Threshold – Generalized Pareto Distribution

5 73 55

Pengukuran Risiko Operasional Dengan Menggunakan Metode Standarisasi (The Standardized Approach)

4 91 51

Pengukuran Risiko Operasional Dengan Pendekatan Internal Generalized Extreme Value-Teori Nilai Ekstrem

1 60 55

ANALISIS PERBANDINGAN ORIENTASI AGREGAT DAN DISTRIBUSI VOID MENGGUNAKAN AGREGAT BARU DAN RAP YANG DIPADATKAN Analisis Perbandingan Orientasi Agregat Dan Distribusi Void Menggunakan Agregat Baru Dan Rap Yang Dipadatkan Dengan Alat Pemadat Roller Slab.

0 4 20

ANALISIS PERBANDINGAN ORIENTASI AGREGAT DAN DISTRIBUSI VOID MENGGUNAKAN AGREGAT BARU DAN Analisis Perbandingan Orientasi Agregat Dan Distribusi Void Menggunakan Agregat Baru Dan Rap Yang Dipadatkan Dengan Alat Pemadat Roller Slab.

0 2 23

ANALISIS PERBANDINGAN ORIENTASI AGREGAT DAN DISTRIBUSI Analisis Perbandingan Orientasi Agregat Dan Distribusi Void Menggunakan Agregat Baru Dan Rap Yang Dipadatkan Dengan Alat Marshall Hammer.

0 2 19

ANALISIS PERBANDINGAN ORIENTASI AGREGAT DAN DISTRIBUSI Analisis Perbandingan Orientasi Agregat Dan Distribusi Void Menggunakan Agregat Baru Dan Rap Yang Dipadatkan Dengan Alat Marshall Hammer.

0 2 34

Analisis Risiko Operasional di PT TELKOM dengan pendekatan Metode ERM

0 0 17