Perbandingan Estimasi Cadangan Klaim Menggunakan Metode Chain Ladder dan Generalized Linear Models (GLMs) dengan Pendekatan Over-Dispersed Poisson (ODP) pada Asuransi Umum

Muharam, Rifky (2017) Perbandingan Estimasi Cadangan Klaim Menggunakan Metode Chain Ladder dan Generalized Linear Models (GLMs) dengan Pendekatan Over-Dispersed Poisson (ODP) pada Asuransi Umum. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1313100024-Undergraduate_Theses.pdf]
Preview
Text
1313100024-Undergraduate_Theses.pdf

Download (1MB) | Preview

Abstract

Berdasarkan Peraturan Ketua Badan Pengawas Pasar Modal (BAPEPAM) dan Lembaga Keuangan (LK) Nomor PER 09, perusahaan asuransi wajib untuk membentuk cadangan teknis yang terdiri dari cadangan premi, dan cadangan klaim. Fokus pada penelitian ini adalah mengestimasi cadangan klaim yang dihitung berdasarkan model segitiga (run-off triangle). Metode Chain Ladder (C-L) yang merupakan model deterministik banyak diterapkan oleh para praktisi dalam estimasi cadangan klaim. Namun, metode Chain Ladder yang dikategorikan model deterministic ini tidak dapat memodelkan variasi dari klaim tersebut, sehingga perusahaan asuransi kurang dapat menarik informasi penting lainnya. Oleh karena itu, pada penelitian ini estimasi cadangan klaim dilakukan dengan pengembangan model Chain Ladder stokastik menggunakan Metode Generalized Linear Model (GLMs) dimana estimasi yang dihasilkan lebih informatif tidak hanya titik, tetapi juga memberikan selang kepercayaan dengan tingkat keyakinan tertentu dan juga persentase error dari estimasi. Pendekatan Over-Dispersed Poisson (ODP) dipilih karena dapat menangkap risiko yang lebih besar dari cadangan klaim tersebut. Dalam penelitian ini, data yang digunakan adalah data sekunder mengenai besar klaim perusahaan asuransi di Amerika Serikat United Services Automobile Asn Grp dari tahun 1988 sampai dengan tahun 1997 yang bersumber dari website resmi Casualty Actuarial Society. Hasil estimasi menunjukkan bahwa kedua metode memberikan cadangan klaim yang relatif sama, yaitu 1964890,133 dan 1964884,332 secara berturut-turut. Estimasi dengan Metode GLMs menunjukkan hasil yang kurang baik yaitu menghasilkan prediction error total cadangan klaim sebesar 142114,888 atau 7,23%.
========================================================================================
Based on the regulation issued by Chairman of the Capital Market and Financial Institutions Supervisory Agency Number PER 09, every insurance company is required to established reserves that consist of premiums reserve and claims reserve. Focus in this research is estimating claims reserve that calculated based on run-off triangle model. Deterministic model such as Chain Ladder (C-L) method is the most popular method applied for many actuaries. However, the estimation only assumes that the payments delay tend to be constant and it only provide a point estimates of the reserves that lack of information to the company. Therefore, in this research the claims reserve was done with development of Stochastic Chain Ladder using Generalized Linear Models (GLMs) method, providing more useful information including the confidence interval of the reserves and also percentages of the error. Over-Dispersion Poisson approach isselected because it can capturing a greater risk of the reserves as these distribution have higher variance than the mean itself. Data used in this research is secunder data about paid claims at the insurance company in United States United Services Automobile Asn Grp from 1988 to 1997which taken from official website of Casualty Acuarial Society. The result shows that both of the method give the estimation of claims reserve that have no significant difference at all, which are 1964890,133 and1964884,332 respectively. The estimation using GLMs provides a less good result with prediction error of 142114,888 or 7,23%.

Item Type: Thesis (Other)
Additional Information: RSSt 519.544 Muh p
Uncontrolled Keywords: C-L, Cadangan klaim, GLMs, ODP, PER 09, Run-off triangle, Claims reserve
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Rifky Muharam .
Date Deposited: 10 Oct 2017 02:10
Last Modified: 12 Sep 2024 09:20
URI: http://repository.its.ac.id/id/eprint/45129

Actions (login required)

View Item View Item