<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="62110">
 <titleInfo>
  <title>Estimasi Loss Reserve &#13;
&#13;
Menggunakan &#13;
&#13;
Pendekatan &#13;
&#13;
Gauss Markov Pada General Linear Model</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Eisa Emeliana br Sembiring</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>Magister Statistika Terapan</publisher>
   <dateIssued>2018</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent>xiii, ;59 hlm,;29,5 cm</extent>
 </physicalDescription>
 <note>Perusahaan asuransi harus menyediakan dana yang digunakan untuk membayar &#13;
klaim-klaim yang diajukan tertanggung yang disebut sebagai loss reserve. &#13;
Perusahaan harus memperhitungkan loss reserve peristiwa yang sudah terjadi &#13;
tetapi belum dilaporkan ke pihak perusahaan asuransi (IBNR). General Linear &#13;
Model dapat digunakan untuk memodelkan IBNR disertai dengan prediction &#13;
errornya. Halliwell (1996) menyatakan bahwa dalam mengestimasi loss reserve &#13;
menggunakan GLM, estimator yang paling baik digunakan adalah Gauss Markov. &#13;
Gauss Markov tidak hanya dapat mengestimasi parameter, tetapi juga &#13;
mengestimasi segitiga bawah ifuture loss) (Ludwig &amp; Schmidt, 2010). Gauss &#13;
Markov merupakan estimator yang bersifat Best Linear Unbiased Estimator &#13;
(BLUE) sehingga akan menghasilkan estimasi yang tidak bias, dan konsisten. &#13;
Dalam penelitian ini, pendekatan estimasi Gauss Markov pada GLM akan &#13;
digunakan sebagai pendekatan umum terhadap Mack model dan additive model &#13;
dalam mengestimasi loss reserve. &#13;
</note>
 <note type="statement of responsibility">Eisa Emeliana br Sembiring</note>
 <subject authority="">
  <topic>Loss Reserve, IBNR, Matriks Segitiga, Gauss Ma rko</topic>
 </subject>
 <classification>519.5</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.5 Els e/R.14.27.3</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">010030008090</numerationAndChronology>
    <sublocation>Perpustakaan Pusat (REF.14.27.3)</sublocation>
    <shelfLocator>519.5 Els e/R.14.27.3</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>62110</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2018-05-21 10:08:42</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2018-05-21 10:09:41</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>