Abstract:
Transportasi merupakan salah satu sarana yang menunjang kehidupan masyarakat di Indonesia.
Setiap harinya terjadi peningkatan mobilitas dan kebutuhan masyarakat terhadap kendaraan
bermotor. Hal ini menyebabkan tingginya risiko yang harus dihadapi oleh pengguna kendaraan.
Salah satu cara untuk mengurangi risiko tersebut adalah menggunakan asuransi kendaraan
bermotor. Dalam asuransi kendaraan bermotor, banyaknya klaim yang diajukan oleh pemegang
polis memengaruhi harga polis tersebut, sehingga penting bagi perusahaan untuk memprediksi
frekuensi banyaknya klaim, sesuai dengan karakteristik masing-masing pemegang polis. Pada
skripsi ini, akan dilakukan pemodelan untuk memprediksi frekuensi klaim dengan menggunakan
data asuransi kendaraan bermotor di Perancis. Data tersebut memiliki variabel-variabel
yang lengkap dan identik dengan pengaplikasiannya di Indonesia. Terdapat dua metode yang
digunakan dalam skripsi ini, yaitu metode linear tergeneralisasi (GLM) berdistribusi Poisson
dan XGBoost. Kedua metode ini banyak digunakan dalam model regresi untuk memprediksi
nilai dengan output berbentuk numerik. Variabel yang dipertimbangkan dalam pemodelan di
antaranya adalah variabel usia kendaraan, usia pengemudi, tenaga kendaraan, tipe bahan bakar,
merek kendaraan, area, region, dan kepadatan penduduk. Selanjutnya, hasil pemodelan akan
dianalisis untuk memperoleh prediksi frekuensi klaim. Terakhir, akan dilakukan perbandingan
antara kedua model tersebut dengan menggunakan ukuran perbandingan yaitu deviansi Poisson
dan root mean squared error(RMSE). Perbandingan dilakukan untuk menentukan model yang
lebih cocok dalam memprediksi frekuensi klaim pada data. Hasil percobaan yang telah dilakukan
menunjukkan bahwa model XGBoost lebih baik dalam memodelkan dan memprediksi frekuensi
klaim pada asuransi kendaraan bermotor dibandingkan dengan model linear tergeneralisasi
(GLM).
