Analisis peluang kebangkrutan menggunakan algoritma Improved Extreme Learning Machine untuk besar klaim berdistribusi eksponensial dan pareto tipe II

Abstract

Perusahaan asuransi berisiko mengalami kebangkrutan karena mengelola risiko dari nasabahnasabahnya. Jika beberapa klaim bernilai besar atau klaim bernilai kecil namun dalam jumlah banyak terjadi secara bersamaan, maka surplus perusahaan dapat menjadi negatif sehingga mengakibatkan kebangkrutan. Perusahaan perlu melakukan perhitungan peluang kebangkrutan untuk dapat menentukan besar premi, manfaat, dan dana awal yang akan meminimalkan risiko kebangkrutan. Perhitungan peluang kebangkrutan dapat dilakukan dengan menggunakan persamaan diferensial Integro (PDI). Akan tetapi, PDI untuk peluang kebangkrutan hanya akan memiliki solusi analitik jika besar klaim berdistribusi eksponensial. Pada skripsi ini, akan digunakan suatu algoritma yang disebut sebagai Improved Extreme Learning Machine (IELM) untuk mencari solusi numerik dari PDI peluang kebangkrutan dengan besar klaim yang dapat berdistribusi apapun. Keakuratan dari algoritma IELM akan ditunjukkan dengan membandingkan solusi numerik yang diperoleh dengan solusi analitik untuk besar klaim yang berdistribusi eksponensial. Algoritma tersebut juga akan digunakan untuk menghitung peluang kebangkrutan untuk besar klaim dengan distribusi yang berekor tipis dan berekor tebal. Distribusi yang berekor tipis akan diwakilkan oleh distribusi eksponensial dan distribusi yang berekor tebal akan diwakilkan oleh distribusi Pareto tipe II. Berdasarkan hasil simulasi perhitungan, perusahaan akan memiliki peluang kebangkrutan yang lebih tinggi jika distribusi besar klaim berekor tebal.