Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal BIMASTER
Dhessy Rahmayanti
Universitas Tanjungpura
Decision Sciences, Operations Research & Management Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENANGANAN OVERDISPERSI DENGAN MODEL BINOMIAL NEGATIF PADA DATA KLAIM ASURANSI KENDARAAN BERMOTOR RODA EMPAT Dhessy Rahmayanti; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (137.05 KB) | DOI: 10.26418/bbimst.v7i2.24811

Abstract

Model regresi Poisson pada umumnya digunakan untuk menganalisis data diskrit dengan asumsi ekuidispersi. Ketika asumsi tersebut terlanggar yaitu terjadi overdispersi maka regresi Poisson tidak lagi dapat digunakan. Beberapa metode yang digunakan untuk mengatasi hal ini yaitu Generalized Poisson, Binomial Negatif, dan Quassi likelihood. Penelitian ini menggunakan model Binomial Negatif untuk mengatasi overdispersi pada data klaim asuransi kendaraan bermotor roda empat PT. BUMIDA Kalimantan Barat tahun 2015. Hasil analisis menunjukkan bahwa model Binomial Negatif dengan nilai parameter                          = 0.963 dan  dapat meminimalisir overdispersi yang terjadi pada model Poisson dilihat dari nilai varians yang mengalami penurunan yaitu dari 14,518 pada model Poisson menjadi 3,166 pada model Binomial Negatif. Selain dilihat dari nilai varians yang mengalami penurunan model Binomial Negatif juga memiliki nilai AIC dan BIC yang lebih kecil dibandingkan model Poisson. Hal ini menunjukkan bahwa model Binomial Negatif lebih baik dari pada model Poisson dalam mengatasi overdispersi.   Kata kunci: Regresi Poisson, Overdispersi, Binomial Negatif, Klaim asuransi kendaraan bermotor 
Co-Authors Setyo Wira Rizki