Perbandingan Risiko Klaim Penyakit Kritis pada Asuransi Kesehatan Menggunakan Simulasi Monte Carlo dengan Pendekatan Extreme Value Theory (EVT)

Rozak, Mochammad Abdul (2025) Perbandingan Risiko Klaim Penyakit Kritis pada Asuransi Kesehatan Menggunakan Simulasi Monte Carlo dengan Pendekatan Extreme Value Theory (EVT). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006211063-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Penyakit kritis merupakan kondisi kesehatan serius yang melibatkan gangguan organ vital dan berpotensi mengancam jiwa, sehingga menimbulkan beban klaim besar bagi penyedia asuransi kesehatan. Berdasarkan data BPJS Kesehatan tahun 2022, tercatat 23,27 juta kasus penyakit kritis dengan total klaim mencapai Rp24,06 triliun. Hal ini menunjukkan pentingnya pendekatan kuantitatif yang mampu menangkap karakteristik distribusi klaim yang ekstrem atau berekor tebal (heavy-tailed). Penelitian ini bertujuan untuk mengukur dan membandingkan risiko klaim penyakit kritis menggunakan simulasi Monte Carlo berbasis Extreme Value Theory (EVT). Penyakit yang diteliti meliputi ginjal, jantung, kanker, dan stroke, berdasarkan data klaim BPJS Kesehatan periode 2019 - 2023. Identifikasi nilai ekstrem dilakukan melalui dua pendekatan EVT, yakni Block Maxima (dengan distribusi Generalized Extreme Value) dan Peaks Over Threshold (dengan distribusi Generalized Pareto Distribution). Pemilihan threshold pada POT dilakukan menggunakan tiga metode: Persentase, Mean Residual Life Plot (MRLP), dan Measure of Surprise (MoS), dengan threshold terbaik ditentukan berdasarkan nilai Akaike Information Criterion (AIC). Hasil fitting menunjukkan bahwa data klaim pada sebagian besar penyakit mengikuti distribusi GPD, kecuali penyakit jantung yang lebih sesuai adalah GEV. Penyakit ginjal dan jantung menunjukkan parameter bentuk (ξ) tertinggi, menunjukkan risiko kejadian ekstrem yang lebih tinggi. Estimasi ukuran risiko dilakukan dengan menghitung Value at Risk (VaR) dan Expected Shortfall (ES) dari hasil simulasi Monte Carlo pada tingkat kepercayaan 90%, 95%, dan 99%. Hasil analisis menunjukkan bahwa estimasi risiko tertinggi pada skema FKRTL terdapat pada penyakit ginjal, dengan nilai VaR mencapai Rp1,7 miliar dan ES lebih dari Rp10,4 miliar. Sementara itu pada skema Non Kapitasi, risiko tertinggi ditemukan pada penyakit jantung. Penyakit kanker secara konsisten memiliki risiko terendah pada kedua skema. Uji backtesting menggunakan metode Kupiec Test dengan statistik uji Likelihood Ratio (LR) menunjukkan bahwa estimasi risiko akurat pada skema Non Kapitasi (LR < nilai kritis), namun tidak akurat pada FKRTL (nilai LR tak terhingga). Penelitian ini menunjukkan bahwa pendekatan Extreme Value Theory (EVT) yang dikombinasikan dengan simulasi Monte Carlo terbukti efektif dalam memodelkan risiko klaim ekstrem, terutama pada skema Non Kapitasi. Penelitian ini memberikan manfaat yang signifikan dalam praktik industri asuransi kesehatan, khususnya dalam membantu penetapan premi yang lebih akurat serta pengelolaan cadangan klaim yang lebih efisien. Selain itu, hasil penelitian ini juga dapat digunakan sebagai dasar dalam merancang strategi manajemen risiko yang lebih tepat sasaran dan perusahaan dapat bertahan terhadap potensi kejadian ekstrem pada klaim penyakit kritis.
====================================================================================================================================
Critical illness is a serious health condition that involves disruption of vital organs and is potentially life-threatening, resulting in a large claim burden for health insurance providers. Based on BPJS Kesehatan data in 2022, there were 23.27 million cases of critical illness, with total claims reaching IDR 24.06 trillion. This shows the importance of a quantitative approach that is able to capture the characteristics of extreme or heavy-tailed claim distributions. This study aims to measure and compare the risk of critical illness claims using Monte Carlo simulations based on extreme value theory (EVT). The diseases studied include kidney, heart, cancer, and stroke, based on BPJS Kesehatan claim data for the 2019–2023 period. Identification of extreme values is carried out using two EVT approaches, namely Block Maxima (with Generalized Extreme Value distribution) and Peaks Over Threshold (with Generalized Pareto Distribution). The selection of thresholds in POT is carried out using three methods: percentage, Mean Residual Life Plot (MRLP), and Measure of Surprise (MoS), with the best threshold determined based on the Akaike Information Criterion (AIC) value. The fitting results show that the claim data for most diseases follow the GPD distribution, except for heart disease, which is more suitable for GEV. Kidney and heart disease show the highest shape parameter (ξ), indicating a higher risk of extreme events. The risk size estimation is done by calculating the Value at Risk (VaR) and Expected Shortfall (ES) from the Monte Carlo simulation results at 90%, 95%, and 99% confidence levels. The analysis results show that the highest risk estimate in the FKRTL scheme is in kidney disease, with a VaR value reaching IDR 1,7 billion and ES of more than IDR 10,4 billion. Meanwhile, in the non-capitation scheme, the highest risk is found in heart disease. Cancer consistently has the lowest risk in both schemes. Backtesting using the Kupiec Test method with the Likelihood Ratio (LR) test statistic shows that the risk estimate is accurate in the Non-Capitation scheme (LR < critical value), but not accurate in FKRTL (infinite LR value). This study shows that the Extreme Value Theory (EVT) approach combined with Monte Carlo simulation is proven effective in modeling extreme claim risks, especially in the non-capitation scheme. This study provides significant benefits in the practice of the health insurance industry, especially in helping to determine more accurate premiums and manage more efficient claim reserves. In addition, the results of this study can also be used as a basis for designing more targeted risk management strategies, and companies can withstand potential extreme events in critical illness claims.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Asuransi Kesehatan, Extreme Value Theory (EVT), Penyakit Kritis, Risiko Klaim, Simulasi Monte Carlo, Claim Risk, Critical Illness, Extreme Value Theory (EVT), Health Insurance, Monte Carlo Simulation.
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HG Finance H Social Sciences > HG Finance > HG8051 Insurance H Social Sciences > HG Finance > HG8054.5 Risk (Insurance) H Social Sciences > HG Finance > HG8771 Life insurance
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Mochammad Abdul Rozak
Date Deposited:	31 Jul 2025 03:03
Last Modified:	31 Jul 2025 03:03
URI:	http://repository.its.ac.id/id/eprint/124656

Actions (login required)

View Item