Abstract:
Kegiatan pengajuan klaim dalam asuransi kesehatan bergantung pada besar klaim asuransi untuk
mengganti kerugian yang timbul atas menurunnya kondisi kesehatan tertanggung. Kegiatan
tersebut tentu saja membentuk suatu data besar klaim asuransi yang perlu dimodelkan dengan
suatu distribusi tertentu. Hal ini diperlukan agar perusahaan asuransi mampu memprediksi klaim
yang terjadi di masa depan sekaligus mempersiapkan cadangan asuransi yang cukup. Namun,
kadang kala terjadi suatu peristiwa luar biasa yang mempengaruhi kemiringan, modalitas, dan
tebal ekor data besar klaim asuransi. Oleh karena itu, dalam skripsi ini digunakan distribusi Skewnormal,
Alpha-skew-normal, dan Alpha-skew-Laplace, yang termasuk dalam kelompok distribusi
flexible skewed guna memodelkan suatu data besar klaim asuransi yang telah terdampak peristiwa
luar biasa tersebut. Untuk mencapai tujuan dari skripsi, yaitu mengetahui distribusi yang
terbaik dalam memodelkan data besar klaim asuransi, langkah-langkah yang dilakukan adalah
menggali informasi terkait distribusi Skew-normal, Alpha-skew-normal, dan Alpha-skew-Laplace,
mengestimasi nilai parameter penaksir dari distribusi menggunakan metode estimasi maximum
likelihood, serta menentukan distribusi terbaik untuk memodelkan data besar klaim asuransi.
Penentuan distribusi terbaik untuk memodelkan data besar klaim asuransi dilakukan dengan
terlebih dahulu melaksanakan uji Kolmogorov-Smirnov dan uji Anderson-Darling agar diketahui
kecocokan dari kandidat distribusi dalam memodelkan data besar klaim asuransi. Selanjutnya,
nilai kriteria informasi Akaike dan Bayesian digunakan untuk menentukan distribusi yang terbaik
dalam memodelkan data besar klaim asuransi dari kandidat distribusi yang dipandang cocok
untuk memodelkan data besar klaim asuransi. Berdasarkan penelitian yang telah dilaksanakan,
distribusi Alpha-skew-Laplace adalah yang terbaik dalam memodelkan data besar klaim asuransi
kesehatan, diikuti dengan distribusi Skew-normal dan distribusi Alpha-skew-normal.