Perbandingan Pemodelan Survival Parametric Regression dan Bootstrap Cox Proportional Hazard pada Klaim Asuransi Jiwa

Tsany, M Rizky Faras (2024) Perbandingan Pemodelan Survival Parametric Regression dan Bootstrap Cox Proportional Hazard pada Klaim Asuransi Jiwa. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006201082_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (3MB) | Request a copy

Abstract

Asuransi jiwa merupakan salah satu sektor yang penting dalam perekonomian, yang bertujuan memberikan perlindungan finansial bagi pemegang polis dan keluarganya dalam hal kematian atau kejadian yang telah diasuransikan. Berdasarkan Asosiasi Asuransi Jiwa Indonesia (AAJI), pada tahun 2023 angka premi menurun dari tahun sebelumnya sedangkan angka klaim terus naik. Untuk meminimalisir klaim yang diajukan, terdapat faktor-faktor yang mempengaruhi waktu hingga terjadinya pengajuan klaim yang harus diperhatikan. Faktor-faktor yang diduga berpengaruh terhadap klaim seorang nasabah dimodelkan dengan menggunakan waktu survival sehingga diketahui faktor mana yang signifikan mempengaruhi seorang nasabah dalam pengajuan klaim. Faktor-faktor yang digunakan pada penelitian ini adalah jenis kelamin, usia, status merokok, tes kesehatan. Penelitian ini menggunakan data asuransi jiwa sebanyak 100 data yang bersumber dari PT. Reasuransi X periode Januari 2019 hingga Januari 2023. Penelitian ini memanfaatkan analisis survival dengan regresi parametrik dan Cox Proportional Hazard untuk mengevaluasi model yang paling optimal. Metode Bootstrap juga diterapkan kepada model terbaik karena data dalam penelitian ini memiliki ukuran yang kecil. Metode Bootstrap digunakan dengan cara pengambilan sampel random berdasarkan data asli sehingga akan didapatkan parameter-parameter yang signifikan dengan melakukan pengujian confidence interval. Hasil analisis menunjukkan bahwa Cox Proportional Hazard dengan variabel berpengaruh adalah jenis kelamin, status merokok, dan usia merupakan model terbaik yang dilihat dari nilai AIC terkecil dibandingkan dengan model Weibull. Penambahan metode Bootstrap juga tetap menghasilkan signifikansi variabel yang sama dengan Cox Proportional Hazard dan standard error yang lebih kecil. Hal ini menunjukkan bahwa Bootstrap Cox Proportional Hazard menghasilkan model yang lebih optimal.
=================================================================================================================================
Life insurance is a crucial sector in the economy, aiming to provide financial protection for policyholders and their families in the event of death or insured incidents. According to the Indonesian Life Insurance Association (Asosiasi Asuransi Jiwa Indonesia or AAJI), in 2023, the premium figures decreased compared to the previous year, while the number of claims continued to rise. To minimize the submitted claims, there are factors influencing the time until a claim is filed that need attention. These factors, presumed to affect a policyholder's claim, are modeled using survival time analysis to determine which factors significantly influence a policyholder in filing a claim. The factors considered in this research are gender, age, smoking status, and health test results. This study utilized life insurance data consisting of 100 records obtained from PT. Reasuransi X, covering the period from January 2019 to January 2023. The research employed survival analysis with parametric regression and Cox Proportional Hazard to evaluate the most optimal model. Bootstrap method was also applied to the best model due to the relatively small dataset. Bootstrap involved random sampling based on the original data to obtain significant parameters by conducting confidence interval tests. The analysis results indicated that the Cox Proportional Hazard with significance variables being gender, smoking status, and age is the best model, as evidenced by the smallest AIC values compared to the Weibull model. The addition of the Bootstrap method maintained the significance of the same variables as Cox Proportional Hazard and yielded smaller standard errors. This suggests that Bootstrap Cox Proportional Hazard produces a more optimal model.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Asuransi Jiwa, Bootstrap, Cox Proportional Hazard, Klaim, Parametrik, Claim, Life Insurance, Parametric
Subjects:	Q Science Q Science > QA Mathematics > QA273.6 Weibull distribution. Logistic distribution. Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	M Rizky Faras Tsany
Date Deposited:	31 Jan 2024 03:18
Last Modified:	31 Jan 2024 03:18
URI:	http://repository.its.ac.id/id/eprint/105802

Actions (login required)

View Item