Search

Measurement data is often used in determining the quality of a product. Some of the results in measurement present multivariate properties, meaning that there are many characteristics of quality. Many variables are measured to be used as a reference in improving product quality on the company's predetermined standards. But in reality, there are variations in the size or size of products that do not meet the standard of measurement used by the company. In this case, the correlation structure between quality characteristics is often overlooked. Variables that correlate in a group, but with relatively small correlations between other groups are more suitable tasks for factor analysis. Therefore, to solve The purpose of multivariate GRR through factor analysis is to identify the covariance structure between several quality characteristics in improving product quality using multivariate Gage, Repeatability and Reproducibility (GRR) through factor analysis, and find out if the HKZL product measurement system is in PT. Indonesia's Manufacturing Gradient is accepted or does not use the multivariate Gage, Repeatability and Reproducibility (GRR) method through factor analysis. In practice, the analysis step has been prepared and applied to the measurement of HKZL products in PT. Indonesian Manufacturing Gradient. The results were obtained from the measurement system on HKZL products in PT. The Indonesian Manufacturing Gradient is not accepted, meaning that the resulting product is HKZL has quality beyond the company's standards (quality standards), so it can be concluded that the HKZL product making machine is in poor condition to use.

Data panel merupakan gabungan antara data cross section dengan data time series. Model regresi data panel terbaik pada penelitian ini adalah Random Effect Model (REM). Faktor penentu laba neto perusahaan asuransi umum syariah di Indonesia menunjukkan bahwa biaya klaim, hasil underwriting, dan pendapatan premi neto mempengaruhi laba neto perusahaan asuransi umum syariah di Indonesia selama periode pengamatan tahun 2014-2017.

Abstract Motor vehicle insurance is one of the general insurance types that provide coverage for loss, damages, and disappearance of a motor vehicle due to risks experienced by the covered object. The product illustration of motor vehicle insurance is generally presented in a condensed form, containing few pages and limited information. Based on a product illustration of motor vehicle sharia insurance issued by PT. Asuransi Tri Pakarta (TRIPA) treated as a case study, an alternative version of product illustration in form of a table of integration model was designed to not only provided general information but also vehicle prices, values of premiums, tabarru, ujrah, investment, insurance costs, and surplus (if any). The partitions also performed on the additional protection offered by TRIPA so that the benefits that would be received by the insured would be greater. The generated table of integration model presents richer information regarding the insurance products, better scheme, and transparency in the management of total premiums. Keywords: general insurance; product illustration; management of total premiums; integration model; benefits. Abstrak Asuransi kendaraan bermotor merupakan salah satu jenis asuransi umum yang memberikan jaminan terhadap kerugian, kerusakan dan kehilangan kendaraan bermotor akibat terjadinya risiko yang menimpa obyek pertanggungan. Umumnya ilustrasi produk asuransi kendaraan bermotor disajikan dalam bentuk ringkasan yang beragam dalam beberapa halaman dan hanya menjelaskan informasi secara umum saja. Mengambil studi kasus berupa ilustrasi produk asuransi syariah kendaraan bermotor dari PT. Asuransi Tri Pakarta (TRIPA), dirancang bentuk alternatif penyajian berupa tabel model integrasi yang memberikan informasi tidak hanya harga kendaraan dan besaran premi, tetapi juga informasi tentang tabarru, ujrah, investasi, biaya asuransi, surplus (jika ada). Selanjutnya, dilakukan partisi terhadap perlindungan tambahan sehingga manfaat yang diperoleh tertanggung lebih luas. Melalui tabel model integrasi ini, informasi yang tertulis tentang produk asuransi lebih lengkap dan skema pengelolaan premi total asuransi syariah kendaraan bermotor juga lebih jelas. Kata Kunci: asuransi umum; ilustrasi produk; pengelolaan premi total; model integrase; manfaat.

Berdasarkan cara pengelolaan dananya, asuransi syari’ah dibedakan menjadi dua, asuransi dengan unsur tabungan dan asuransi tanpa unsur tabungan. Didalam asuransi tanpa unsur tabungan, dana yang diberikan oleh peserta asuransi akan dimasukkan ke dalam satu rekening saja, yaitu rekening tabarru’. Sehingga adanya ketidakjelasan dalam presentase dana tabarru’. Cost of Insurance merupakan metode yang digunakan dalam perhitungan dana tabarru’ yang terdiri dari beberapa komponen yaitu: tabel mortalita yang digunakan, asumsi hasil investasi (i) dan asumsi biaya pengelolaan ( ). Didalam penelitian ini dilakukan perhitungan tabel mortalita dengan Hukum Gompertz yang memperhitungan risiko karena faktor usia, didalam perhitungannya dibutuhkan data acak usia yang berdistribusi Gompertz. Tabel mortalita dengan Hukum Gompertz ini yang akan digunakan untuk perhitungan dana tabarru’. Penulis menggunakan ilustrasi dengan usia peserta 41 tahun, tingkat investasi sebesar 5%, dan biaya pengelolaan sebesar 30%. Didapatkan dana tabarru’ dengan menggunakan metode Cost of Insurance sebesar Rp. 156.762/bulan.

Salah satu pendekatan distribusi yang banyak digunakan dalam analsis data statistik adalah Distribusi Weibull. Pendekatan distribusi Weibull tunggal untuk populasi yang didalamnya terdapat beberapa sub populasi kurang baik digunakan, karena adanya perbedaan karakteristik data antar sub populasi tersebut, sehingga memungkinkan memiliki parameter yang berbeda. Distribusi campuran (mixture distribution) diharapkan dapat mencadi solusi pendekatan bentuk distribusi dengan kondisi data berasal dari beberapa sub populasi. Sebagai contoh distribusi usia atau masa pengobatan (sampai mati) pasien kanker atau Aids, dengan sub populasi adalah ras atau kelompok usia. Tulisan ini membahas distribusi campuran Weibull, khususnya model distribusi campuran biWeibull yang akan digunakan dalam studi kasus data yang terdiri dari dua sub populasi. Metode estimasi parameter model yang digunakan Tahapan estimasi parameter model diuraikan dalam tulisan ini. Di lapangan, masalah yang timbul selanjutnya adalah bagaimana menaksir ketiga parameter model tersebut jika data ada di tangan. Dalam tulisan ini algoritma yang digunakan untuk menaksir parameter di atas adalah algoritma EM (Expectation Maximization). Studi kasus sebagai penerapan algoritma dilakukan untuk kasus pendekatan distribusi campuran biWeibull.

Tulisan ini membahas tentang estimasi parameter distribusi eksponensial yang dipangkatkan dan distribusi campuran eksponensial. Distribusi eksponensial yang dipangkatkan merupakan perluasan dari distribusi eksponensial standar yang fungsinya diambil dari fungsi distribusi kumulatif yang kemudian dipangkatkan. Distribusi lainnya adalah distribusi campuran eksponensial, distribusi campuran eksponensial merupakan kombinasi linier dari dua atau lebih distribusi eksponensial standar yang bobot dan parameternya berbeda. Estimasi parameter dari distribusi eksponensial yang dipangkatkan dan distribusi campuran eksponensial secara analitis diturunkan melalui metode maksimum likelihood, sehingga diperoleh hasil estimasi untuk masing-masing parameter kedua distribusi tersebut. Estimasi distribusi eksponensial yang dipangkatkan pada data masa hidup pendingin pesawat dilakukan dengan menggunakan metode Newton Raphson. Dari hasil estimasi tersebut selanjutnya dilakukan analisis keandalan untuk data masa hidup.

Industri Manufaktur merupakan salah satu sektor yang memiliki pengaruh terhadap perekonomian nasional. Membaiknya situasi ekonomi akan diikuti perbaikan sektor manufaktur, begitupula sebaliknya. Oleh karena itu, suatu industri perlu memilih kombinasi yang optimal dari input yang digunakan, yaitu kombinasi yang memungkinkan untuk menghasilkan tingkat output yang diinginkan. Model yang digunakan adalah fungsi produksi Cobb-Douglas. Fungsi produksi Cobb-Douglas adalah salah satu fungsi produksi yang menunjukkan hubungan antara tingkat output dan tingkat (kombinasi) input yang digunakan. Metode estimasi yang digunakan adalah least square estimation dengan penyelesaian menggunakan iterasi Newton Raphson. Fungsi produksi Cobb-Douglas ini diaplikasikan pada lima industri manufaktur terpilih di Sumatera Barat. Dari hasil penelitian diperoleh return to scale dari industri karet dan barang dari plastik adalah 0,8424 dan return to scale dari industri makanan dan minuman adalah 0,8496 yang mana kedua industri tersebut masing-masing menghasilkan RTS < 1. Sedangkan return to scale dari industri penerbitan dan percetakan adalah 1,0460, return to scale dari industri tekstil adalah 1,0018, dan return to scale dari industri galian bukan logam adalah 1,3384. Dari ketiga industri tersebut masing-masing menghasilkan RTS > 1.

Menurut data BNP2TKI Indonesia, Jawa Barat tercatat sebagai provinsi yang paling banyak menempatkan warganya bekerja ke luar negeri dengan fungsi pekerjaan didominasi sebagai sektor pekerja rumah tangga. Karena itu, pemodelan jumlah TKI tiap kota/kabupaten wilayah Jawa Barat perlu dibuat sebagai pertimbangan untuk mengatasi permasalahan TKI dalam perencanaan penciptaan lapangan kerja bagi masyarakat. Model statistika yang digunakan adalah Generalized Space Time Autoregressive (GSTAR) yang merupakan perluasan model STAR yang mampu mempertimbangkan faktor lokasi dan waktu secara simultan, sehingga model yang dihasilkan akan meningkatkan tingkat akurasi dalam meramalkan jumlah TKI Jawa Barat pada masa mendatang. Pemilihan lokasi kabupaten wilayah Jawa Barat berdasarkan analisis klaster Density Based on Spatial Clustering with Noise (DBSCAN), yaitu pembentukan klaster berdasarkan pada koneksi dan fungsi densitas. Pada penelitian ini diperoleh 3 klaster wilayah, yaitu: klaster 1 sebanyak 13 lokasi, klaster 2 sebanyak 3 lokasi, dan klaster 3 ada 1 lokasi. Matriks bobot lokasi yang digunakan adalah matriks dengan bobot biner, bobot seragam, dan bobot korelasi silang. Identifikasi model menggunakan STACF dan STPACF menunjukkan model yang sesuai dengan data adalah model GSTAR(10) dan GSTAR(11) dengan matriks bobot biner dan korelasi silang. Estimasi parameter menggunakan metode Odinary Least Square (OLS) memberikan model terbaik adalah model GSTAR(10) yang memiliki nilai Root Mean Squared Error (RMSE)terkecil dengan nilai RMSE sebesar 21,4651.