Analisis dan perbandingan performa regresi linear, kuantil, polinomial, dan spline pada data besar klaim asuransi

Abstract

Perusahaan asuransi harus memiliki pengertian yang mendalam akan kepentingan arus kas, seperti mempertimbangkan besarnya nominal uang yang perlu dibayarkan apabila tertanggung mengajukan klaim. Pemodelan menggunakan data masa lalu yang diperoleh perusahaan adalah cara yang ampuh untuk mencegah kejadian yang tidak diinginkan, seperti keharusan melakukan peminjaman atau, sampai batas tertentu, kebangkrutan. Salah satu model statistik yang paling populer adalah model regresi, yang meliputi regresi linear dan regresi kuantil. Regresi kuantil dikenal karena ketangguhannya terhadap pencilan, yang seringkali muncul pada data dalam jumlah observasi yang besar. Di sisi lain, model-model linear tidak bisa bekerja dengan optimal dalam mengevaluasi data nonlinear, sehingga diperkenalkan regresi polinomial. Dalam praktiknya, sebaran data dalam rentang tertentu belum tentu sama dengan sebaran dalam rentang lainnya sehingga suatu model regresi juga belum tentu dapat mewakili semua bagian data yang dimodelkan. Untuk mengatasi masalah ini, salah satu model regresi yang lebih fleksibel adalah regresi spline yang memampukan pengguna membangun model yang mempertimbangkan persebaran data dengan pola yang berbeda-beda antar bagiannya. Dengan model-model yang tersedia, untuk mengatasi permasalahan-permasalahan tertentu dari sebuah himpunan data, dapat digunakan model yang sesuai, alhasil memberikan hasil yang lebih kredibel dan akurat. Dalam skripsi ini, perbandingan model akan didasarkan dengan tiga metrik, yakni RMSE, Adjusted R-Squared, dan AIC. Perlu ditekankan bahwa dalam skripsi ini, regresi linear telah dimodifikasi dengan mengimplementasikan interaksi. Berdasarkan hasil tersebut, model terbaik yang diperoleh adalah model regresi linear yang melibatkan interaksi dan regresi spline.