http://repository.ipb.ac.id/handle/123456789/162419 2026-06-03T08:59:54Z http://repository.ipb.ac.id/handle/123456789/173146 Optimasi Portofolio Saham IDX30 Menggunakan Copula t-Student Berbasis Omega Ratio Antoni, Tajmahal Ghaza Pasar saham modern cenderung menunjukkan distribusi return yang asimetris, ber-ekor tebal, serta dependence nonlinier antar aset, sehingga pendekatan optimasi portofolio berbasis mean-variance menjadi kurang memadai dalam merepresentasikan risiko aktual. Penelitian ini bertujuan untuk mengoptimalkan portofolio saham IDX30 dengan mengintegrasikan omega ratio sebagai fungsi objektif dan pemodelan dependence non linier berbasis copula t-Student. Data yang digunakan berupa harga penutupan harian saham-saham IDX30 periode 2019–2024. Volatilitas return masing-masing saham dimodelkan menggunakan GARCH(1,1) dengan distribusi residual standar t-Student untuk menangkap karakteristik ekor tebal dan volatility clustering. Selanjutnya, struktur dependence antar saham dimodelkan menggunakan regular vine copula (R-vine). Berdasarkan model tersebut, dilakukan simulasi Monte Carlo untuk menghasilkan distribusi return multivariat sebagai dasar optimasi portofolio. Permasalahan maksimasi omega ratio direformulasi ke dalam bentuk linear programming menggunakan transformasi Charnes–Cooper sehingga solusi optimal global dapat diperoleh secara efisien. Kinerja portofolio hasil optimasi dibandingkan dengan portofolio berbobot sama dan portofolio berbasis Omega historis. Hasil empiris menunjukkan bahwa portofolio berbasis Copula-Omega memberikan kinerja dan kekayaan akhir yang lebih tinggi serta lebih tangguh terhadap risiko ekstrem.; Modern financial markets tend to exhibit asymmetric, heavy-tailed return distributions and nonlinear dependence across assets, rendering the traditional mean–variance portfolio optimization framework inadequate for capturing actual risk. This study aims to optimize an IDX30 stock portfolio by integrating the omega ratio as the objective function and nonlinear dependence modelling based on the t-Student copula. The data consist of daily closing prices of IDX30 constituent stocks from 2019 to 2024. The volatility of individual stock returns is modelled using a GARCH(1,1) process with t-Student distributed innovations to capture fat tails and volatility clustering. The dependence structure among stocks is then modelled using a regular vine copula (R-vine). Based on the estimated GARCH–copula model, Monte Carlo simulations are conducted to generate multivariate return distributions for portfolio optimization. The omega ratio maximization problem is reformulated into a linear programming framework using the Charnes–Cooper transformation, ensuring an efficient global optimal solution. The performance of the optimized portfolio is compared with an equally weighted portfolio and a historical omega-based portfolio. Empirical results indicate that the Copula-Omega portfolio achieves superior performance, higher final wealth, and greater robustness against extreme market risk. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173068 Pemodelan Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Regresi Gamma GANI, RISWAN YANUAR Fenomena meningkatnya risiko kecelakaan lalu lintas menuntut perusahaan asuransi memiliki pemodelan yang akurat terhadap besar klaim asuransi kendaraan bermotor. Besar klaim bersifat kontinu, bernilai positif, dan cenderung berdistribusi miring ke kanan, sehingga pendekatan regresi klasik kurang sesuai dan diperlukan metode pemodelan yang lebih fleksibel. Penelitian ini bertujuan untuk memodelkan besar klaim asuransi kendaraan bermotor menggunakan regresi gamma. Data yang digunakan merupakan data asuransi kendaraan bermotor pada tahun 2023 di negara Kenya. Pengujian kesesuaian distribusi gamma pada variabel respon dilakukan menggunakan metode Cramér–von Mises. Hasil analisis menunjukkan bahwa variabel jenis kendaraan dan nilai kendaraan berpengaruh signifikan terhadap besar klaim asuransi kendaraan bermotor. Pemilihan model terbaik dilakukan dengan membandingkan beberapa alternatif model berdasarkan nilai deviance. Hasil evaluasi menunjukkan bahwa model yang memuat variabel jenis kendaraan dan nilai kendaraan dipilih sebagai model terbaik karena memiliki tingkat kesesuaian yang baik dengan struktur yang lebih sederhana.; The increasing risk of traffic accidents requires insurance companies to develop accurate models for motor vehicle insurance claim amounts. Claim amounts are continuous, strictly positive, and tend to be right-skewed, making classical regression approaches less suitable and requiring more flexible modeling methods. This study aims to model motor vehicle insurance claim amounts using gamma regression. The data used consist of motor vehicle insurance data from 2023 in Kenya. The suitability of the gamma distribution for the response variable is evaluated using the Cramér–von Mises test. The results show that vehicle type and vehicle value have a significant effect on the claim amount. Model selection is conducted by comparing several alternative models based on the deviance. The evaluation results indicate that the model including vehicle type and vehicle value is selected as the best model, as it provides a good level of model fit with a simpler structure. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/172924 Penentuan Premi Asuransi Jiwa Berjangka Last Survivor dengan Model Copula GFGM Tipe II dan Suku Bunga Hull-White Putri, Annisa Aulia Kematian merupakan risiko yang tidak dapat diprediksi dari sisi waktu maupun dampaknya dan berpotensi menimbulkan permasalahan keuangan pada keluarga yang ditinggalkan, sehingga asuransi jiwa berjangka last survivor dapat digunakan untuk memberikan perlindungan keuangan tersebut. Penentuan premi produk tersebut memerlukan pemodelan yang tepat terhadap ketidakpastian suku bunga dan ketergantungan mortalitas. Penelitian ini bertujuan menentukan premi tahunan asuransi jiwa berjangka last survivor dengan model suku bunga stokastik Hull-White dan ketergantungan mortalitas menggunakan Copula GFGM Tipe II. Model Hull-White menggambarkan fluktuasi suku bunga dalam proses pendiskonan nilai sekarang manfaat dan anuitas sehingga menghasilkan estimasi premi yang lebih realistis dibandingkan dengan asumsi suku bunga konstan. Penelitian menunjukkan bahwa peningkatan nilai korelasi Spearman antar tertanggung menyebabkan peningkatan nilai sekarang manfaat dan premi tahunan. Hal tersebut mengindikasikan bahwa ketergantungan mortalitas yang lebih kuat meningkatkan risiko pembayaran manfaat dalam jangka waktu yang lebih singkat atau antar tertanggung memilik jarak kematian yang berdekatan sehingga berdampak pada besar premi yang harus dibayarkan.; Death is an unpredictable risk in terms of timing and impact, and has the potential to cause financial problems for the family left behind. Therefore, last survivor term life insurance can be used to provide such financial protection. Determining the premium for this product requires accurate modeling of interest rate uncertainty and mortality dependence. This study aims to determine the annual premium for last survivor term life insurance using the Hull-White stochastic interest rate model and mortality dependence using the GFGM Type II Copula. The Hull-White model describes interest rate fluctuations in the discounting process of present value benefits and annuities, resulting in more realistic premium estimates compared to constant interest rate assumptions. The study shows that an increase in the Spearman correlation coefficient between insured persons leads to an increase in the present value of benefits and annual premiums. This indicates that stronger mortality dependence increases the risk of benefit payments in a shorter period of time or between insured persons who have a close mortality gap, thereby affecting the amount of premiums that must be paid. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/172894 Pemodelan Frekuensi Klaim Asuransi Kendaraan Menggunakan Model Zero Inflated Negative Binomial NURRIZKI, HANTRISA Pemodelan frekuensi klaim asuransi kendaraan dilakukan untuk mendukung penetapan premi dan pengelolaan risiko yang lebih akurat. Penelitian ini berfokus pada data frekuensi klaim asuransi kendaraan yang memiliki permasalahan zero inflation dan overdispersi. Data yang digunakan berasal dari Kaggle dengan judul “3-Year Non-Life Motor Insurance Dataset” yang terdiri dari 6661 polis asuransi kendaraan Spanyol pada tahun 2016 hingga 2017. Analisis dilakukan menggunakan model Zero Inflated Negative Binomial (ZINB). Hasil penelitian menunjukkan bahwa model ZINB adalah model terbaik dibandingkan dengan model binomial negatif berdasarkan nilai AIC dan MAE yang lebih kecil. Variabel signifikan yang memengaruhi frekuensi klaim adalah umur pemegang polis, kapasitas mesin, daya kendaraan, dan premi, sementara nilai kendaraan memengaruhi peluang tidak mengajukan klaim. Hasil penelitian ini diharapkan dapat membantu perusahaan asuransi dalam memahami risiko klaim serta mendukung penetapan premi dan pengelolaan risiko. 2026-01-01T00:00:00Z