digilib@itb.ac.id +62 812 2508 8800

ABSTRAK 20117040 - Giraldi FK.pdf?
PUBLIC Dwi Ary Fuziastuti

Analisis variogram merupakan salah satu metode yang banyak digunakan pada berbagai bidang untuk memperoleh gambaran hubungan spasial data antar lokasi. Salah satu observasi yang menarik adalah distribusi nilai asuransi harta benda berdasarkan lokasi terjadinya klaim guna memperoleh gambaran potensi risiko klaim. Secara umum nilai klaim asuransi harta benda merupakan data yang menceng dengan variabilitas yang tinggi, sehingga perlu dilakukan transformasi logaritma natural untuk mengurangi kemencengan dan variansi data. Selain itu diperlukan pendekatan variogram yang robust pada pemodelannya. Salah satu langkah penting pada pemodelan variogram adalah pada penaksiran parameter. Sayangnya penaksiran parameter secara simultan tidak mudah untuk dilakukan karena ketidaklinieran parameter variogram terhadap fungsi-fungsi model variogram. Pada tesis ini digunakan metode Gauss-Newton dan algoritma genetik sebagai metode dalam penaksiran parameter yang dapat menaksir parameter variogram secara simultan. Metode Gauss-Newton memberikan taksiran parameter dengan cepat, maksimal 51 iterasi, tetapi hasil taksiran parameter dimungkinkan untuk keluar dari kewajaran parameter variogram. Sebagai contoh, terdapat hasil taksiran nugget yang negatif dan hal ini tidak wajar karena nugget merupakan ukuran variabilitas yang tidak sewajarnya bernilai negatif. Pada algoritma genetik hasil taksiran dapat dibatasi nilainya sehingga lebih andal. Namun salah satu kesulitan algoritma genetik adalah dalam menentukan kriteria pemberhentian berdasarkan rataan kuadrat galat (Mean Square Error, MSE) antara model variogram dan variogram eksperimental. Kedua metode dapat menaksir parameter variogram dengan baik, berdasarkan nilai MSE yang tidak signifikan berbeda, dengan tingkat ketelitian 10?3 Kemudian validasi model terbaik menggunakan metode Jackknife Kriging, dan model sferis taksiran metode Gauss-Newton tepilih sebagai model terbaik dengan nilai akar rataan kuadrat galat (Root Mean Square Error, RMSE) 58,4 juta rupiah.