Analisis perbandingan model linear tergeneralisasi dan model aditif tergeneralisasi untuk pencadangan klaim asuransi dengan pencilan

Abstract

Dengan tujuan menjaga kesejahteraan perusahaan asuransi dalam menjalani bisnisnya, perusahaan asuransi diharuskan untuk menganalisis cadangan klaim yang perlu disiapkan di masa mendatang, dengan cara mengestimasi nilai cadangan klaim. Pada makalah ini akan dibahas estimasi cadangan klaim menggunakan metode Chain Ladder sebagai metode non-parametrik dan teknik analisis data Generalized Linear Model sebagai metode parametrik. Selanjutnya, ditinjau keefektifan dalam pengerjaan metode pencadangan menggunakan kedua pendekatan tersebut dengan mempertimbangkan proses pengerjaan dan galat yang dihasilkan. Data yang digunakan adalah data asuransi incurred but not reported (IBNR), dengan rangka data segitiga run-off dalam menjalankan metode Chain Ladder dan Generalized Linear Model (GLM). Karena variansi data asuransi segitiga run-off jauh lebih besar dari rata-ratanya, maka data tersebut mempunyai sifat overdispersed, sehingga perlu digunakan pendekatan model Over-Dispersed Poisson (ODP) dalam melakukan metode Generalized Linear Model. Kedua metode yang telah dianalisis mempunyai kekurangan, di mana kedua metode tersebut terpengaruh secara signifikan dalam data yang terkontaminasi data pencilan. Oleh karena itu, akan digunakan perluasan dari model GLM, yaitu Generalized Additive Model (GAM). Dengan tujuan, fitur fungsi pemulusan (smoothing function) dalam GAM dapat mengatasi data yang terkontaminasi pencilan dan menghasilkan hasil prediksi nilai cadangan klaim yang lebih akurat untuk data yang terkontaminasi.