PERBANDINGAN METODE ILLINOIS DAN METODE CANADIAN DALAM MENGHITUNG CADANGAN PREMI PADA STUDI KASUS ASURANSI JIWA BERJANGKA JOINT LIFE
Bibliographic record
Abstract
Asuransi Jiwa Berjangka adalah perlindungan asuransi yang memberikan jaminan asuransi kepada pemegang polis asuransi selama jangka waktu tertentu. Perusahaan Asuransi Jiwa dapat mengalami kerugian disebabkan tidak mampu membayar santunan ketika jumlah klaim yang akan terjadi oleh tertanggung meninggal dunia melebihi jumlah klaim yang diprediksi sebelumnya. Keadaan tersebut dapat diatasi dengan adanya cadangan premi diperusahaan. Salah satu metode perhitungan cadangan premi adalah metode Illinois dan metode Canadian yang merupakan perluasan dari metode prospektif. Penelitian ini bertujuan untuk mengetahui nilai cadangan premi dan perbandingan metode perhitungan cadangan premi pada asuransi jiwa berjangka joint life yang terbatas pada 2 orang peserta asuransi. Perhitungan cadangan premi pada penelitian ini menggunakan Tabel Mortalitas Indonesia 2011 dan tingkat suku bunga 5 %. Hasil penelitian menunjukkan nilai-nilai cadangan premi dengan jangka pertanggungan n tahun, akan bertambah setiap tahunnya membesar dan mengecil kembali dan di akhir periode bernilai nol. Nilai cadangan premi tahunan menggunakan metode Illinois lebih besar pada menggunakan metode Canadian. Jadi cadangan premi asuransi jiwa berjangka joint life metode Illinois lebih baik daripada metode Canadian, sebab metode Canadian tidak memasukkan biaya operasional perusahaan.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.022 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".