Prediksi cadangan klaim dengan data individual menggunakan Metode Xgboost dan Generalized Linear Model

Abstract

Perusahaan asuransi membantu pengalihan risiko finansial yang diderita oleh pemegang polis dengan cara memberikan ganti rugi. Untuk mengurangi risiko di pihak perusahaan asuransi dilakukan perhitungan cadangan klaim. Umumnya perhitungan tersebut dilakukan menggunakan data yang sudah diagregatkan. Metode yang paling umum untuk digunakan dalam menghitung cadangan klaim menggunakan data agregat adalah metode Chain Ladder. Namun, bentuk data agregat memiliki beberapa kekurangan, yaitu banyak informasi yang hilang dalam proses agregasi dan jenis klaim Incurred but Not Reported (IBNR) serta Reported but Not Settled (RBNS) tidak dapat dibedakan. Karena alasan tersebut, pada penelitian ini perhitungan cadangan klaim akan dilakukan menggunakan data klaim individual. Metode yang digunakan untuk melakukan perhitungan cadangan klaim adalah XGBoost dan Generalized Linear Model (GLM) berdistribusi Poisson dan Quasi Poisson. Metode GLM dipilih karena memberikan interpretasi yang relatif lebih langsung terhadap hubungan antara variabel respon dan variabel prediktor, sedangkan metode XGBoost dipilih karena metode ini mampu menangani data kompleks. Selain itu, sebagai tolak ukur perbandingan model, akan digunakan juga metode Chain Ladder untuk menghitung total uang yang harus dibayarkan untuk klaim RBNS yang diamati. Hasil yang diperoleh menggunakan Generalized Linear Model dan XGBoost akan dibandingkan dengan hasil dari metode Chain Ladder. Model yang memberikan hasil cadangan klaim terdekat dengan hasil metode Chain Ladder akan dipilih menjadi model terbaik. Hasil yang diperoleh pada penelitian ini adalah model C, yang merupakan penggabungan metode XGBoost dan GLM, yang merupakan model terbaik karena model ini memberikan hasil prediksi cadangan klaim yang paling mendekati tolak ukur.