Prediksi frekuensi klaim untuk asuransi kendaraan bermotor dengan menggunakan model linear tergeneralisasi dan Xgboost

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).