Bayesian Additive Regression Tree (BART) is a sum-of-trees model used to approximate classification or regression cases. The main idea of this method is to use a prior distribution to keep the tree size small and a likelihood from data to get the posterior. By fixing the tree size as small as possible, the approximation of each tree would have a little effect on the posterior, which is the sum of all output from all the trees used. Bayesian additive regression tree method will be used for predicting the maternity recovery rate of group long-term disability insurance data from the Society of Actuaries (SOA). The decision tree-based models such as Gradient Boosting Machine, Random Forest, Decision Tree, and Bayesian Additive Regression Tree model are compared to find the best model by comparing mean squared error and program runtime. After comparing some models, the Bayesian Additive Regression Tree model gives the best prediction based on smaller root mean squared error values and relatively short runtime.
Matematika merupakan ilmu yang tidak terlalu populer di kalangan siswa SMA. Hanya 23% siswa SMA yang tertarik akan mata pelajaran Matematika. Tuntutan kurikulum yang padat membuat para guru kesulitan untuk mengembangkan materi penerapan Matematika dalam kehidupan sehari-hari. Hal ini diperparah dengan keadaan COVID-19 yang membuat kegiatan belajar mengajar penuh secara daring. Untuk menumbuhkan minat para siswa di bidang Matematika, kami menyelenggarakan kegiatan pendampingan belajar secara daring yaitu pengenalan teori Matematika beserta aplikasinya kepada para siswa SMA Trinitas, terutama bagi mereka yang akan memilih jurusan saat nanti kuliah. Melalui komunitas pengabdian Siswa Belajar Matematika ini, para peserta dapat mengembangkan minat dalam mempelajari serta memberikan inspirasi dan penyegaran akan ilmu Matematika sehingga tercipta pola pikir kegunaan matematika serta implementasinya dengan menggunakan Excel.
The rate of return on investment for unit-linked insurance products in Indonesia is still volatile and depends on the investment instruments performance. However, the net return on investment that is given to policyholders is projected at the beginning of the year and is used as a benchmark for choosing the right investment instrument, referred to as the credited interest rate. Interest rates movements affect the yield of the credited interest rate. Therefore, the credited interest rate calculation requires appropriate methods to reduce the risk of loss, which are the Investment Year Method and the Portfolio Method. Research shows that the Investment Year Method is more appropriate in unstable interest rate condition, whereas the Portfolio Method is better utilized in a stabilized environment. In addition, this research also shows the strategy to manage investment instruments with asset rollover to suit the fluctuating credited interest rate.
Perkembangan teknologi informasi dan komunikasi tidak hanya memberikan dampak positif, melainkan dampak negatif, khususnya pada sektor keamanan siber. Perusahaan asuransi perlu menciptakan produk asuransi yang relatif baru yaitu asuransi keamanan siber. Namun, pengembangan asuransi tersebut masih perlu diteliti lebih lanjut karena tidak adanya tabel aktuaria standar layaknya tabel mortalita pada asuransi jiwa. Artikel ini akan membahas tentang pemodelan proses infeksi dan pemulihan suatu simpul dan berbagai simpul lainnya yang saling terkoneksi dalam jaringan komputer di suatu perusahaan dengan model model non-Markov pada kasus tidak adanya ketergantungan (independen) antara risiko keamanan siber, lalu melakukan metode simulasi Monte Carlo untuk memperoleh data-data percobaan dengan berbagai distribusi -Weibull, Lognormal, dan Gauss Invers -untuk perhitungan besar premi yang dikenakan oleh perusahaan asuransi kepada perusahaan tertanggung yang tertarik untuk membeli produk asuransi keamanan siber. Perhitungan premi dilakukan dengan menggunakan prinsip premi standar deviasi dan prinsip premi utilitas eksponensial. Hasil yang diperoleh adalah waktu infeksi dan pemulihan dengan distribusi yang berekor panjang memiliki harga premi yang lebih murah dibandingkan dengan distribusi yang berekor pendek. Kata Kunci: asuransi keamanan siber, model non-Markov, simulasi
Ternak sapi merupakan salah satu bentuk usaha yang banyak diminati oleh masyarakat Indonesia sebagai sumber penghasilan. Jika terdapat sapi yang terinfeksi suatu penyakit menular, maka sapi tersebut bisa sakit atau bahkan mati, sehingga sapi yang terinfeksi tidak bisa memberikan manfaatnya secara maksimal. Akibatnya, penghasilan peternak akan menurun atau bahkan merugi. Maka dari itu, asuransi bencana kematian pada ternak sapi menjadi salah satu cara preventif untuk mengalihkan risiko kerugian finansial yang ditanggung para peternak sapi. Ekspektasi besar kerugian ternak sapi ditentukan dengan memperhitungkan pengaruh fatal shock yaitu waktu kedatangan bencana penyakit Brucellosis pada sapi yang merupakan suatu proses Poisson. Diperlukan distribusi dari besar kerugian yang terjadi sebagai distribusi gabungan binomial dan degenerasi dengan variabel acak sisa masa hidup sapi dengan fatal shock. Kemudian dimodelkan dengan mencari distribusi dari kerugian yang ditanggung perusahaan asuransi sebagai suatu modifikasi polis asuransi dengan deductible, limit polis, dan koasuransi. Premi asuransi dihitung menggunakan Metode Premi Murni dari ekspektasi besar kerugian tersebut. Berdasarkan simulasi perhitungan menggunakan data populasi sapi di Kabupaten Bogor, tarif premi meningkat seiring meningkatnya limit polis, tingkat kedatangan penyakit, banyak sapi yang diasuransikan, dan usia sapi. Namun, tarif premi akan menurun jika deductible meningkat.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.