Analisis copula keluarga Archimedean melalui transformasi metode Jitters pada data bivariat diskrit

Hidayat, Muhamad Fadli (2026) Analisis copula keluarga Archimedean melalui transformasi metode Jitters pada data bivariat diskrit. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (175kB) | Preview
Preview	Text 2_abstrak.pdf Download (147kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (995kB) | Preview
Preview	Text 4_daftarisi.pdf Download (123kB) | Preview
Preview	Text 5_bab1.pdf Download (155kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (373kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (338kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (328kB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (239kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (98kB) | Request a copy
	Text 11_lampiran.pdf Restricted to Repository staff only Download (170kB) | Request a copy

Abstract

Risiko ketergantungan sangat penting dalam pengambilan keputusan analisis risiko, metode statistik yang umum digunakan adalah korelasi. Tetapi, keterbatasan analisis korelasi secara teoritis tidak bisa mengidentifikasi struktur ketergantungan yang terjadi pada data. Solusi atas keterbatasan korelasi dapat diatasi menggunakan metode analisis copula. Copula merupakan fungsi distribusi multivariat yang marginalnya adalah uniform pada interval (0,1). Copula dikatakan sebagai fungsi matematika yang menghubungkan fungsi distribusi marjinal dari variabel acak untuk membentuk distribusi gabungan dari beberapa variabel acak tersebut. Diantara jenis copula yang ada, penelitian ini dikhususkan untuk membahas copula keluarga Archimedean karena memiliki struktur ketergantungan yang beragam. Berdasarkan teorema Sklar, analisis copula akan memberikan hasil yang bias ketika data berupa data diskrit. Penelitian ini menggunakan metode jitters yang secara teknisnya mentransformasi data diskrit menjadi data yang kontinu sehingga dapat diterapkan pada analisis copula. Analisis lebih lanjut diperlukan untuk menentukan jenis copula Archimedean terbaik diantara struktur ketergantungan yang ada dengan menggunakan empirical copula. Empirical copula hadir sebagai alat bantu untuk mendiagnosa jenis copula Archimedean terbaik dalam mengidentifikasi struktur ketergantungan pada data dengan menghitung selisih jarak antara empirical copula dengan copula Archimedean. Penelitian diterapkan pada data frekuensi klaim asuransi kesehatan (HIC) dan frekuensi klaim asuransi penyakit kritis (CIC) untuk dianalisis struktur ketergantungan pada kedua data diskrit tersebut, penerapan empirical copula memberikan hasil bahwa copula Clayton merupakan copula terbaik dalam menangkap ketergantungan yaitu tail dependecy bawah.

Actions (login required)

View Item