Aplikasi Bayesian Additive Regression Tree (BART) untuk memprediksi tingkat pemulihan kehamilan asuransi disabilitas kelompok jangka panjang

Abstract

Asuransi disabilitas adalah asuransi yang memberikan manfaat apabila tertanggung mengalami cedera atau terkena suatu penyakit yang menyebabkan tertanggung tidak dapat bekerja dan memperoleh pendapatan. Setiap perusahaan yang menerbitkan produk asuransi disabilitas perlu mengetahui risiko yang ditanggung perusahaan dengan cara memprediksi tingkat pemulihan tertanggung yang akan digunakan untuk menentukan manfaat dan premi setiap tertanggung. Manfaat yang dibayarkan oleh perusahaan ditentukan berdasarkan tingkat pemulihan dari tertanggung menggunakan metode berbasis pohon keputusan. Data tingkat pemulihan yang digunakan adalah tingkat pemulihan untuk kasus disabilitas kehamilan yang diambil dari data asuransi disabilitas kelompok jangka panjang dari laman Society of Actuaries (SOA) dan metode utama yang akan digunakan untuk memprediksi tingkat pemulihan adalah metode Bayesian Additive Regression Tree. Prediksi tingkat pemulihan kehamilan akan diprediksi menggunakan beberapa metode berbasis pohon seperti Bayesian Additive Regression Tree, Gradient Boosting Machine, Random Forest, dan Decision Tree dan dibandingkan berdasarkan nilai root mean squared error (RMSE) dan waktu runtime dari masing-masing model yang terbentuk. Berdasarkan perbandingan hasil prediksi untuk setiap dataset, didapatkan bahwa metode Bayesian Additive Regression Tree memberikan hasil prediksi yang terbaik dengan nilai RMSE terkecil dan waktu runtime yang relatif singkat.